基于卷积神经网络的交通场景语义分割方法研究

被引：20

作者：

李琳辉

钱波

连静

郑伟娜

周雅夫

机构：

[1] 不详

[2] 大连理工大学工业装备结构分析国家重点实验室运载工程与力学学部汽车工程学院

[3] 不详

来源：

通信学报 | 2018年 / 04期

关键词：

深度学习; 卷积神经网络; 交通场景; 语义分割; 视差图;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP391.41 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080203 ;

摘要：

为提高交通场景的语义分割精度,提出一种基于RGB-D图像和卷积神经网络的分割方法。首先,基于半全局立体匹配算法获取视差图D,并将其与RGB图像融合成四通道RGB-D图像,以建立样本库;其次,对于2种不同结构的卷积神经网络,分别采用2种不同的学习率调整策略对网络进行训练;最后,对训练得到的网络进行测试及对比分析。实验结果表明,基于RGB-D图像的交通场景语义分割算法得到的分割精度高于基于RGB图像的分割算法。

引用

页码：123 / 130

页数：8

共 5 条

[1] 基于深度学习的无人车夜视图像语义分割
高凯珺
孙韶媛
姚广顺
赵海涛
[J]. 应用光学, 2017, 38 (03) : 421 - 428
[2] 一种多尺度CNN的图像语义分割算法
刘丹
刘学军
王美珍
[J]. 遥感信息, 2017, 32 (01) : 57 - 64
[3] 基于深度学习的高分辨率遥感影像目标检测
高常鑫
桑农
[J]. 测绘通报 , 2014, (S1) : 108 - 111
[4] An Interactive Approach to Semantic Modeling of Indoor Scenes with an RGBD Camera
Shao, Tianjia
Xu, Weiwei
Zhou, Kun
Wang, Jingdong
Li, Dongping
Guo, Baining
[J]. ACM TRANSACTIONS ON GRAPHICS, 2012, 31 (06):
[5] LabelMe: A Database and Web-Based Tool for Image Annotation[J] . Bryan C. Russell,Antonio Torralba,Kevin P. Murphy,William T. Freeman.International Journal of Computer Vision . 2008 (1-3)

← 1 →