CN116363358B 基于改进U-Net的道路场景图像实时语义分割方法 （河南大学）_第1页
CN116363358B 基于改进U-Net的道路场景图像实时语义分割方法 （河南大学）_第2页
CN116363358B 基于改进U-Net的道路场景图像实时语义分割方法 （河南大学）_第3页
CN116363358B 基于改进U-Net的道路场景图像实时语义分割方法 （河南大学）_第4页
CN116363358B 基于改进U-Net的道路场景图像实时语义分割方法 （河南大学）_第5页
已阅读5页，还剩15页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

道和金明大道交叉口河南大学（金明基于改进U-Net的道路场景图像实时语义分本发明公开一种基于改进U_Net的道路场景段，将原始U_Net结构中标准卷积替换为深度可改进U_Net对道路场景图像进行实时语义分割。2其中Fc表示输入的特征图，经过两次变换之后再经过Sigmoid激活函数得到空间特征2.根据权利要求1所述的基于改进U_Net的道路场景图3[0001]本发明涉及路况场景检测技术领域，尤其涉及一种基于改进U_Net的道路场景图像语义分割的同时保证了其精确度,这也将使得分割网络得以真正的运用在实际情景中，网络替换为ResNet_101，加入了空洞空间金字塔池化(ASPP)模块整合多尺度特征信息。DeepLabv3将空洞卷积应用在级联模块并改进了ASPP，DeepLabv3+使用空间金字塔池化模高的精度及实时性，Zhang等提出了shuffleNet采用groupconvolution和channel度。Fan等认为BiSeNet额外增加分支增加了网络的运行时间，提出了STDC(short_termdenseconcatenate)模块，该模块能够使用较少的参数量提取多尺度特征，同时改进了4[0005]本发明针对现有的实时语义分割网络对图像细节特征的并且难以部署在移动端的问题，提出一种基于改进U_Net的道路场景图像实时语义分割方[0013]进一步地，所述多尺度空间注意力级联模块的输入特征[0016]图1为本发明实施例一种基于改进U_Net的道路场景图像实时语义分割方法基本5[0033]上下文信息通常理解为察觉并应用能够影响场景和图像中的对象的一些信息或6提出多尺度空间注意力级联模块(Multi_scalespatialattentioncascadingmodule，[0045]F=Max(F)(4)[0047]Fc表示输入的特征图，经过两次变换之后再经过Sigmoid激活函数得到空间特征7[0059]从表1中能够看出，原始U_Net的精度在89

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论