基于改进BiSeNet的语义分割算法

doi:10.13873/J.1000-9787(2023)07-0136-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进BiSeNet的语义分割算法

更新时间：2025-09-11

- 基于改进BiSeNet的语义分割算法
- Issue 7, Pages: 136-139(2023)
- 作者机构：
  
  1. 北京联合大学智慧城市学院
  2. 北京联合大学机器人学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2023)07-0136-04
  CLC： TP391.41
- Published：2023
- 稿件说明：
移动端阅览
[J]. 2023, (7): 136-139.
DOI：

[J]. 2023, (7): 136-139. DOI： 10.13873/J.1000-9787(2023)07-0136-04.

摘要

语义分割在无人驾驶环境感知方面有重要的研究意义，需要同时兼顾语义和空间信息。针对提取语义信息时空间信息丢失不可恢复的问题，提出一种基于改进BiSeNet的语义分割算法。首先，针对空间路径信息冗余的问题，将输入图像转换为灰度图，并通过Sobel算子提取梯度信息后，采用卷积结构提取空间信息；然后，对两分支不同分辨率特征图进行逐步融合上采样。在Cityscapes数据集上对算法进行验证，分割精度达到65.79%

相比BiSeNet提高了3.11%。

Abstract

关键词

Keywords

references

带语义分割的轻量化车道线检测算法[J]. 陈正斌;叶东毅.小型微型计算机系统,2021(09)

基于深度学习的图像语义分割算法研究[J]. 项建弘;徐昊.计算机应用研究,2020(S2)

基于注意力和多标签分类的图像实时语义分割[J]. 高翔;李春庚;安居白.计算机辅助设计与图形学学报,2021(01)

基于生成对抗网络的遥感图像居民区分割[J]. 何平;张万发;罗萌.传感器与微系统,2020(02)

基于支持向量机和灰度共生矩阵的纹理图像分割方法[J]. 陈英;杨丰玉;符祥.传感器与微系统,2012(09)

CGNet: A Light-weight Context Guided Network for Semantic Segmentation.[J]. Wu Tianyi;Tang Sheng;Rui Zhang;Cao Juan;Zhang Yongdong.IEEE transactions on image processing : a publication of the IEEE Signal Processing Society,2020

DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs.[J]. Chen Liang-Chieh;Papandreou George;Kokkinos Iasonas;Murphy Kevin;Yuille Alan L.IEEE transactions on pattern analysis and machine intelligence,2018

Views

261

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

动态场景下火灾烟雾多特征融合识别定位研究

基于改进U²-Net的摇床精矿带图像分割方法

基于注意力机制的特征融合孪生网络目标跟踪算法

基于并联型神经网络的环境声音分类

改进Faster R-CNN微缺陷检测算法研究

Related Author

杨冬

金天宇

陈贵亮

邹起华

刘惠中

孙梅

肖洪兵

毕玉

Related Institution

河北工业大学机械工程学院

江西省矿冶机电工程技术研究中心

江西理工大学机电工程学院

北京工商大学人工智能学院

气象信息与信号处理四川省高校重点实验室

⁰