文献类型：期刊文章

作　　者：李琳辉[1] 钱波[1] 连静[1] 郑伟娜[1] 周雅夫[1]

LI Linhui;QIAN Bo;LIAN Jing;ZHENG Weina;ZHOU Yafu(School of Automotive Engineering,Faculty of Vehicle Engineering and Mechanics,State Key Laboratory of Structural Analysis for Industrial Equipment,Dalian University of Technology,Dalian 116024,China)

机构地区：[1]大连理工大学工业装备结构分析国家重点实验室运载工程与力学学部汽车工程学院,辽宁大连116024

出　　处：《通信学报》

基　　金：国家自然科学基金资助项目(No.51775082;No.61473057;No.61203171);中央高校基本科研业务费专项基金资助项目(No.DUT15LK13;No.DUT17LAB11)~~

年　　份：2018

卷　　号：39

期　　号：4

起止页码：123-130

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为提高交通场景的语义分割精度,提出一种基于RGB-D图像和卷积神经网络的分割方法。首先,基于半全局立体匹配算法获取视差图D,并将其与RGB图像融合成四通道RGB-D图像,以建立样本库;其次,对于2种不同结构的卷积神经网络,分别采用2种不同的学习率调整策略对网络进行训练;最后,对训练得到的网络进行测试及对比分析。实验结果表明,基于RGB-D图像的交通场景语义分割算法得到的分割精度高于基于RGB图像的分割算法。

关 键 词：深度学习  卷积神经网络 交通场景 语义分割  视差图

分 类 号：U495[物流管理与工程类] TP391.4]