基于DeeplabV3+的道路图像语义分割方法

摘要

随着人工智能技术的不断发展,进行道路图像语义分割成为建设智慧城市的基础,道路图像中的外界因素如光照、遮挡、尺寸等干扰会使得目标物体与图片上差异较大。选用基于DeeplabV3+语义分割算法进行道路图像分割,在进行特征提取时选择使用深度卷积轻量型神经网络MobileNetV2,将深层级图像特征输出传入ASPP(Atrous Spatial Pyramid Pooling,空洞金字塔池化)模块,堆叠后经过1×1卷积在经过上采样作为整个Encoder的输出传入Decoder;将低层级特征输出经过1×1卷积和Encoder的输出进行堆叠,使用3×3的卷积和上采样后得到预测分类结果。通过实验结果表明,使用DeeplabV3+能够有效对道路图像进行语义分割。