面向智能车场景的语义分割算法研究

发布时间：2021-04-28 14:06

　　随着国家新基建政策的提出,人工智能、5G等新科技成为国家将来发展的重点,而作为5G和人工智能相结合的智能车领域的发展也同样备受期待。在智能车领域,环境感知一直是研究的重点,语义分割作为智能车环境感知中的一大分支,可以逐像素对道路场景图像中的交通参与者、道路边界、障碍物等目标物体进行分类,并为智能车系统提供丰富的图像信息。本文主要研究面向智能车场景的语义分割算法,分别从语义分割算法精度、语义分割算法实时性、语义分割模型部署三大角度来展开研究。首先,提出了基于改进的注意力机制的语义分割模型来提高语义分割算法精度。由带有全局注意力提取模块的空洞金字塔池化模块GASPP结构提取多尺度感受野信息,由带有选择性注意力机制的网络结构作为解码器,并在此基础上,构建了语义分割网络模型GSANet,在Cityscapes数据集上达到81.6%m IoU的精度,在Cam Vid数据集上达到79.2%m IoU的精度。考虑到智能车场景下语义分割算法的实时性,提出了基于改进的轻量化网络的实时语义分割模型。在轻量级网络Mobile Net v2的基础上,构建了具有空洞卷积和注意力模块的网络作为主干网络用于特征提取... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 语义分割国内外研究现状及存在的问题
        1.2.1 国内外研究现状
        1.2.2 存在的问题
    1.3 本文的主要研究内容和论文结构
        1.3.1 本文的主要研究内容
        1.3.2 本文的章节安排
第二章 智能车场景语义分割算法相关技术
    2.1 语义分割技术
        2.1.1 语义分割概述
        2.1.2 语义分割评价标准
        2.1.3 语义分割相关数据集
    2.2 卷积神经网络模型实现步骤
        2.2.1 从数据集中提取训练数据
        2.2.2 设计卷积神经网络模型
        2.2.3 设计损失函数计算预测值与标签值之差
        2.2.4 优化算法对模型中参数进行更新
    2.3 面向智能车场景的语义分割方法
        2.3.1 基于编码器解码器结构的语义分割方法
        2.3.2 基于空洞卷积和多尺度融合的语义分割方法
    2.4 本章小结
第三章 基于改进的注意力机制的语义分割算法
    3.1 语义分割中的上下文信息
    3.2 视觉注意力机制
        3.2.1 视觉注意力机制中的压缩-扩张网络
        3.2.2 视觉注意力机制中的自注意力机制
    3.3 GSANet网络结构设计
        3.3.1 GSANet整体网络结构
        3.3.2 带有全局注意力的ASPP结构设计
        3.3.3 带有选择性注意力的解码器结构设计
    3.4 实验与分析
        3.4.1 实验配置与训练过程
        3.4.2 消融实验与分析
        3.4.3 Cityscapes和Cam Vid数据集实验结果
    3.5 本章小结
第四章 基于改进的轻量化网络的实时语义分割算法
    4.1 深度可分离卷积和轻量化网络模型
        4.1.1 标准卷积与深度可分离卷积
        4.1.2 Mobile Net系列轻量化网络
    4.2 基于轻量级网络的语义分割算法方法概述
    4.3 LightSeg网络结构设计
        4.3.1 LightSeg网络整体框架
        4.3.2 带有空洞卷积和注意力机制的轻量化主干网络
        4.3.3 带邻近信息的ASPP结构
        4.3.4 特征融合模块
    4.4 实验与分析
        4.4.1 实验配置与训练过程
        4.4.2 消融实验与分析
        4.4.3 Cityscapes和Cam Vid数据集实验结果
    4.5 本章小结
第五章 基于剪枝和推理加速的语义分割算法优化
    5.1 模型通道剪枝算法优化
        5.1.1 基于通道的剪枝算法及稀疏化训练
        5.1.2 通道剪枝算法实验
    5.2 模型推理加速优化
        5.2.1 BN层与卷积层合并
        5.2.2 BN层与卷积层合并推理加速实验
    5.3 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件


【参考文献】：
期刊论文
[1]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[2]图像阈值分割算法研究[J]. 郭臻,陈远知.  中国传媒大学学报(自然科学版). 2008(02)

硕士论文
[1]无人驾驶车辆道路场景环境建模[D]. 张前.西安理工大学 2018
[2]基于深度卷积神经网络的图像语义分割[D]. 马骁.中国科学院大学(中国科学院光电技术研究所) 2018
[3]基于全卷积网络的图像语义分割算法研究[D]. 孙海川.哈尔滨工业大学 2018



本文编号：3165611