Print

基于语义分割与深度估计的行车环境实时解析

论文摘要

道路行车环境的实时解析是智能驾驶的关键技术,尽管神经网络在实现语义分割和深度估计上能取得不错的精度,但由于模型参数多、计算量大等问题,导致难以实现实时计算;针对该问题,提出了一个轻量化、高效的特征提取模块和一个综合考虑语义信息和深度信息的特征解码模块,在一个网络中同时完成语义分割和深度估计两个任务;在CityScapes数据集中,语义分割预测结果的mIOU为65.0%、深度估计结果的误差为0.21,并且在单个GPU上推断速度达到了65FPS,满足实时性要求。

论文目录

  • 0 引言
  • 1 相关工作
  • 2 模型结构
  •   2.1 总体结构
  •   2.2 编码器
  •   2.3 解码器
  •   2.4 损失函数
  • 3 实验结果与分析
  •   3.1 实验设置
  •   3.2 实验结果分析
  • 4 结束语

    • 文章来源

    类型: 期刊论文

    作者: 林坤辉,陈雨人

    关键词: 深度估计,语义分割,神经网络

    来源: 计算机测量与控制 2019年12期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 汽车工业,计算机软件及计算机应用

    单位: 同济大学道路与交通工程教育部重点实验室

    分类号: U463.6;TP391.41

    DOI: 10.16526/j.cnki.11-4762/tp.2019.12.050

    页码: 234-238

    总页数: 5

    文件大小: 903K

    下载量: 96

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/ad6c6fa199b846217c1e79a1.html