文献类型：期刊文章

作　　者：高凯珺[1,2] 孙韶媛[1,2] 姚广顺[1,2] 赵海涛[3]

机构地区：[1]东华大学信息科学与技术学院,上海201620 [2]东华大学数字化纺织服装技术教育部工程研究中心,上海201620 [3]华东理工大学信息科学与工程学院,上海200237

出　　处：《应用光学》

基　　金：国家自然科学基金项目(61375007);上海市科委基础研究项目(15JC1400600)

年　　份：2017

卷　　号：38

期　　号：3

起止页码：421-428

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了增强无人车对夜视图像的场景理解,在夜间模式下更快更精确地探测和识别周围环境,将深度学习应用于夜视图像的场景语义分割,提出了一种基于卷积-反卷积神经网络的无人车夜视图像语义分割方法。在传统的卷积神经网络中加入反卷积网络,构建卷积-反卷积神经网络,无需手工选取特征。通过像素到像素的学习和训练,得到图像语义分割模型,可直接用该模型预测夜视图像中每个像素所属的场景语义类别,实现无人车夜间行驶时的环境感知。实验结果表明,该方法具有较好的准确性和实时性,平均IU达到68.47。

关 键 词：夜视图像 语义分割  深度学习  反卷积 无人车  

分 类 号：TN219]