基于深度学习的轻量级道路图像语义分割算法

作     者：胡嵽 冯子亮 HU Die;FENG Ziliang

作者机构：四川大学计算机学院成都610065 

基　　金：国家自然科学基金委和民航局联合基金资助项目(U1833115) 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2021年第41卷第5期

页      码：1326-1331页

摘      要：针对深度学习中道路图像语义分割模型参数量巨大以及计算复杂,不适合于部署在移动端进行实时分割的问题,提出了一种使用深度可分离卷积构建的轻量级对称U型编码器-解码器式的图像语义分割网络MUNet。首先设计出U型编码器-解码器式网络;其次,在卷积块之间设计稀疏短连接;最后,引入了注意力机制与组归一化(GN)方法,从而在减少模型参数量以及计算量的同时提升分割精度。针对道路图像CamVid数据集,在1 000轮训练后,MUNet模型分割结果在测试图像裁剪为720×720大小时的平均交并比(MIoU)为61.92%。实验结果表明,和常见的图像语义分割网络如金字塔场景分析网络(PSPNet)、RefineNet、全局卷积网络(GCN)和DeepLabv3+相比较,MUNet的参数量以及计算量更少,同时网络分割性能更好。

主 题 词：深度学习 道路图像语义分割 深度可分离卷积 轻量级神经网络 注意力机制 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.11772/j.issn.1001-9081.2020081181

馆 藏 号：203103372...