面向街景自动驾驶的DSC-MB-PSPNet语义分割技术研究

摘要

文章给出一种面向城市自动驾驶的轻量级可实时运行的语义分割模型;提出一种深度可分离卷积、多分支、金字塔池化尺度融合结构(简称DSC-MB-PSPNet),在保证了模型具有良好的表征能力的同时,可以做到实时运行;提出抑制性交叉熵损失函数以降低样本不平衡的影响,消除城市自动驾驶中各种类样本之间像素数量严重不均衡的问题,同时加入了多级损失函数计算方式,提升了训练的效率,使得模型更容易收敛。在公开数据集Cityscapes及自搭建的数据集上进行训练,结果表明,在大分辨率输入的情况下,文章所提模型的精度在指标评测中居于前列,同时可以做到实时运行。