基于卷积神经网络的城市街景图像语义分割算法研究.pdf

摘要

摘要

目前，在无人驾驶领域中，图像语义分割任务的应用主要有两种思路：一种思路

是注重精度指标的模型设计，导致计算量巨大，分割预测用时过长，难以部署实施在

资源受限的实际应用中；一种思路在设计时，主要专注于模型的推理速度，但由于底

层细节信息的损失以及通道数的减少，造成了一定的准确率的下降。现在在自动驾驶

场景中，语义分割任务正在朝着追求两者之间有效平衡的方向发展，不再仅仅追求精

度或速度某个方面的提高。本文对以上两个方向分别展开研究，主要研究内容及创新

点如下：

首先，为了更加接近真实情景，城市街景图片需要高分辨率、高质量的清晰图片。

而考虑到计算资源与显卡资源的限制，本文针对现有的高精度模型计算量大、参数量

大的问题，先在DeepLabV3+网络上进行骨干特征提取网络的改进更换；之后设计了

一个融合多尺度特征的轻量级语义分割方法，来增强单个卷积的特征表示能力；针对

DeepLabV3+网络编码器模块比较简单，而导致的上采样后造成部分重要像素丢失、

图像中像素不连续，从而影响网络模型的精度问题，设计了有效的多尺度特征融合模

20.52Params74.85%MIoU

块。在城市街景数据集中，网络在仅有的情况下，达到了的。

其次，鉴于无人驾驶汽车需要实时感知包括其他车辆、行人、路标、交通信号灯

和道路条件等信息在内的周围环境，从而快速准确的做出决策，确保行驶的安全与高

效。本文提出融合深度可分离卷积与注意力机制的轻量级实时语义分割网络

FDSANet，致力于寻求网络模型在分割精度与处理速度之间的平衡。提出融合深度可

分离卷积的RDS_StemBlock作为DSANet特征提取网络的第一个下采样阶段的特征

提取器模块；参考使用STDC模块作为编码器中的骨干特征提取网络后续模块部分；

设计了S_ARM模块，用于网络深层提取更加丰富的高级语义特征。在城市街景数据

集上进行对比实验，实验表明FDSANet网络可以以97.23的FPS，达到71.85%的

MIoU。

关键词：视觉环境感知实时语义分割注意力机制深度可分离卷积多尺度特征

融合

I

Abstract

Abstract

Atpresent,therearetwomainideasfortheapplicationofimagesemantic

segmentationinthefieldofunmanneddriving:Onewayofthinkingistofocusonthe

modeldesignofprecisionindex,whichleadstoahugeamountofcomputationandalong

timeforsegmentationprediction,whichisdifficulttodeployandimplementinthe

practicalapplicationwithlimitedresources;Inthedesignofonekindofthinking,themain

focusisonthereasoningspeedofthemodel,butduetothelossoftheunderlyingdetails

andthereductionofthenumberofchannels,theaccuracyofacertaindegreedecreases.

Nowintheautonomousdrivingscenario,semanticsegmentationtaskismovingtowards

thepursuitofaneffectivebalanc