基于多任务监督的无人驾驶实时道路场景语义分割方法

摘要

本发明公开了一种基于多任务监督的无人驾驶实时道路场景语义分割方法，应用于道路场景语义分割技术领域，步骤包括：选取Q幅原始道路场景图像的彩色图像、热力图像和对应的真实语义分割图像，构成训练集；使用MobileNetV2轻量级网络作为特征提取器，并使用改进的高效空洞空间特征金字塔结构提取图像深层次语义特征，使用密集连接结构对多层次特征进行融合，构建卷积神经网络；将训练集中原始道路场景图像的彩色图像、热力图像输入到卷积神经网络中进行训练，得到预测图像；计算预测图像和对应的原始图像之间的损失函数值；依据损失函数值，得到最终权值矢量和最终偏置项。本发明能提高图像分割效率和准确性，达到实时性要求。