基于深度学习的无人车夜视图像语义分割

发布时间：2018-02-02 22:11

本文关键词： 夜视图像语义分割深度学习反卷积无人车　出处：《应用光学》2017年03期 　论文类型：期刊论文

【摘要】：为了增强无人车对夜视图像的场景理解,在夜间模式下更快更精确地探测和识别周围环境,将深度学习应用于夜视图像的场景语义分割,提出了一种基于卷积-反卷积神经网络的无人车夜视图像语义分割方法。在传统的卷积神经网络中加入反卷积网络,构建卷积-反卷积神经网络,无需手工选取特征。通过像素到像素的学习和训练,得到图像语义分割模型,可直接用该模型预测夜视图像中每个像素所属的场景语义类别,实现无人车夜间行驶时的环境感知。实验结果表明,该方法具有较好的准确性和实时性,平均IU达到68.47。
[Abstract]:In order to enhance the unmanned vehicle of night vision image and scene understanding, in the night mode faster and more accurate detection and identification of the surrounding environment, the scene semantic deep learning applied to night vision image segmentation, a segmentation method of semantic unmanned vehicle night vision image convolution based on neural network. Join the network in the traditional neural network convolution deconvolution in the construction of convolution neural network, without manual feature selection. The pixel to pixel learning and training, get the image semantic segmentation model, can be directly used to forecast the scene semantic category of each pixel in the image of night vision, realize unmanned vehicle driving at night when the perception of the environment. The experimental results show that the the method has good accuracy and real-time, the average IU reached 68.47.

【作者单位】：东华大学信息科学与技术学院;东华大学数字化纺织服装技术教育部工程研究中心;华东理工大学信息科学与工程学院;
【基金】：国家自然科学基金项目(61375007) 上海市科委基础研究项目(15JC1400600)
【分类号】：TP18;TP391.41
【正文快照】： 引言移动机器人作为机器人技术的一个重要领域,具有极强的环境感知、自主规划和自适应能力,能在复杂的环境中完成指定的工作[1]。无人车是典型的移动机器人,使用摄像头作为视觉传感器来获取场景内容,然后依靠机器视觉算法来理解场景,实现自主导航。图像语义分割是机器视觉中图

【相似文献】