多尺度特征提取的道路场景语义分割

摘要

道路场景语义分割是自动驾驶系统的重要组成部分.道路场景中环境复杂、物体种类繁多且尺寸差异较大,已有的全卷积神经网络(FCN)特征提取能力不足,导致语义分割精度较低.对此,提出一种多尺度特征提取网络(Multi-scale Feature Extraction Network,MFNet),该网络采用并行的特征提取模块提取不同尺度下的不变特征,增强特征多样性,通过逐层的反卷积操作,将特征上采样恢复至原始图像大小,设计分级训练方法并优化loss函数.在多个公开数据集上对该算法进行评估,取得了良好的分割效果.