基于改进DenseASPP的自动驾驶实时语义分割技术研究

发布时间：2025-06-20 04:04

　　随着计算机视觉与汽车智能化技术的蓬勃发展,自动驾驶时代已经到来。对周围环境的识别、感知和理解是实现自动驾驶的必备技术,语义分割技术作为环境场景理解的重要手段,已经成为这一问题的解决方案。由于自动驾驶场景中的图像分辨率高、目标尺度变化大且对运行速度要求较高等因素,其给传统的图像语义分割技术在精确性和实时性方面带来了巨大挑战。针对自动驾驶场景中高实时性和高精确性的需求,本文研究并改进了多尺度特征提取模型中的密集空洞空间金字塔池化(Dense Atrous Spatial Pyramid Pooling,DenseASPP)方法,提出了一种基于改进DenseASPP的实时语义分割方法(Improved DenseASPP,IDenseASPP)。主要工作如下:(1)为了提升处理速度,本文提出了一种轻量化的快速下采样策略。通过引入深度可分离卷积对浅层卷积网络结构进行轻量化改进,该策略实现了小尺寸特征图的快速提取。对比主流的轻量级主干网络,生成相同尺寸的特征图,该策略在速度方面提升了1倍以上。同时本文借助该策略将IDenseASPP中结构复杂的模块应用于微小的特征图,有效地平衡了速度与精度之间的矛...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图1-2基于深度学习的语义分割方法

氨冉先让诺难芯糠较颍?还惴河τ糜谧远?菔?环境感知[10,11]、医学图像分割[12,13]等领域。其中面向图像的语义分割，也叫做逐像素语义分割或全像素语义分割。在深度学习技术快速发展之前，传统方法主要采用基于图形切割[14,15]、随机场[16]、聚类[17]等算法来完成分割，....

图2-1语义分割基本流程

兰州大学硕士学位论文基于改进DenseASPP的自动驾驶实时语义分割技术研究8第二章语义分割理论基础和技术背景本章将先对语义分割的目标及其评价标准进行阐述，随后对本文方法涉及的多尺度特征提取相关的模型及理论基础展开详细介绍。2.1图像语义分割作为计算机视觉领域的关键问题之一，语义....

图2-2交并比如图2-2所示，交并比（IntersectionoverUnion,IoU）是指真实值（groundtruth）

兰州大学硕士学位论文基于改进DenseASPP的自动驾驶实时语义分割技术研究9指标上。以下介绍几种比较常见的用于评估语义分割算法精确度的指标。1.像素精度像素精度（PixelAccuracy,PA）是指预测结果中，分类正确的像素占总像素的比例，是众多指标中相对简单的度量[47]。....

图2-3空间金字塔池化计算过程

兰州大学硕士学位论文基于改进DenseASPP的自动驾驶实时语义分割技术研究10=∑=0+∑=0(24)而平均交并比（mIoU）则是在每个需要分割的类上计算，之后再对其求平均值，即：=1+1∑=0(25)其中，为第个类的交并比。是目前最流行的语义分割度量标准，被广泛用作语义分割方....

本文编号：4051397