【技术实现步骤摘要】
本专利技术涉及场景分割与自动驾驶领域，具体而言，尤其涉及道路场景下的实时性语义分割方法。
技术介绍
1、语义分割模型将原始图像的每一像素点作为输入，在深层神经网络进行阶段性的局部或者全局的理解。接着将像素点分成多类，根据具体应用任务将输入图像中待分割事物加以定位和分配同一类语义标签。语义分割任务效果的提升对自动驾驶、场景监控和无人机等领域有着极大的帮助。例如适用于自动驾驶领域中，无人驾驶车辆行驶过程中对车辆行驶路线上车道线或者斑马线行人的检测保障车辆行驶的安全性。还有适用于无人机领域，语义分割可以帮助护林员对林区火灾进行区域检测和定位避免人员的伤亡。但是同时类似的虚拟现实等领域，对于语义分割模型判断的准确性和实时性有着极为重要的需求。其庞大运算成本和大参数带来的模型推理负荷需要研究人员在推理速度和分割性能中取得更好的的平衡。
2、为了平衡这种对性能和速度的需求，研究人员提出了许多采用优化卷积的策略来改进冗杂的网络模型。shufflenet结合了逐点组卷积和通道混洗，来实现一个高效轻量化的移动端网络设计。dabnet集结深度不...
【技术保护点】
1.一种基于注意力引导的多尺度信息融合的实时性语义分割方法，其特征在于：包括以下步骤：
2.如权利要求1的基于注意力引导的多尺度信息融合的实时性语义分割方法，其特征在于：
3.如权利要求1的基于注意力引导的多尺度信息融合的实时性语义分割方法，其特征在于：
4.如权利要求1的基于注意力引导的多尺度信息融合的实时性语义分割方法，其特征在于：
5.如权利要求1的基于注意力引导的多尺度信息融合的实时性语义分割方法，其特征在于：
6.如权利要求1的基于注意力引导的多尺度信息融合的实时性语义分割方法，其特征在于：
【技术特征摘要】
1.一种基于注意力引导的多尺度信息融合的实时性语义分割方法，其特征在于：包括以下步骤：
2.如权利要求1的基于注意力引导的多尺度信息融合的实时性语义分割方法，其特征在于：
3.如权利要求1的基于注意力引导的多尺度信息融合的实时性语义分割方法，其特征在于：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。