一种基于双分支深度卷积神经网络的实时语义分割方法

摘要

本发明公开了一种基于双分支深度卷积神经网络的实时语义分割方法。该方法为：预处理Cityscapes城市风景语义分割数据集；在数据集上重新训练深度卷积神经网络ResNet，提取深层语义特征；设计归一化卷积层组成的全局分支，并将ResNet不同阶段的特征图分别进行归一化卷积操作，获取相同维度的特征图进行通道维度合并；利用共享特征层和池化层，共享ResNet残差网络中不同阶段的特征信息，构建拥有丰富细节信息的局部分支；设计特征合并模块，融合全局分支与局部分支的特征映射图，整合不同尺度的特征信息，获得最终预测图；利用上采样操作实现预测图到原图像分辨率大小的映射变换；利用Softmax分类层对One‑Hot编码的预测图每个像素都进行分类预测，最终获得图像分割结果。本发明提升了深度卷积网络在高分辨率图像上的分割预测速度，实现了语义分割精度和分割速度的性能升级。