【摘要】：圖像分割是圖像理解的基石性技術(shù),在自動(dòng)駕駛系統(tǒng)、無人機(jī)應(yīng)用以及穿戴式設(shè)備等應(yīng)用中舉足輕重。尤其在自動(dòng)駕駛領(lǐng)域中,道路的場景圖像分割技術(shù)極為關(guān)鍵。道路場景分割是將視覺圖像中每個(gè)像素進(jìn)行分類識(shí)別,并將包括道路、汽車和行人等目標(biāo)分割出來,從而得到一個(gè)表示駕駛場景的深度理解的語義標(biāo)簽圖像,計(jì)算機(jī)接收到語義標(biāo)簽圖像后,會(huì)根據(jù)標(biāo)簽圖像上的分割結(jié)果,自動(dòng)實(shí)行駕駛決策。實(shí)現(xiàn)圖像分割有多種方法,包括傳統(tǒng)的手工特征方法、機(jī)器學(xué)習(xí)方法和深度學(xué)習(xí)方法。近幾年來,深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)在圖像、語音和文字的識(shí)別方面均取得了突破性的成就。而深層次的卷積神經(jīng)網(wǎng)絡(luò)由于識(shí)別精度高,得到了更廣泛的應(yīng)用。深度卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)勢在于通過對原始信號(hào)進(jìn)行逐層特征變換,自動(dòng)地學(xué)習(xí)得到層次化的特征表示,從而更有利于特征的可視化。目前,各種深度卷積神經(jīng)網(wǎng)絡(luò)在圖像分割領(lǐng)域的表現(xiàn)已經(jīng)超過了傳統(tǒng)的圖像分割算法。然而,由于基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分割算法通常沒有獲取物體之間的上下文信息和關(guān)聯(lián)性的能力,對一些復(fù)雜自然環(huán)境不明顯或不完整的物體難以達(dá)到較好的識(shí)別效果。針對這個(gè)問題,本文提出了一種改進(jìn)的多重區(qū)域注意力算法,該算法可以捕獲空間維度上不同區(qū)域之間的上下文信息,關(guān)注物體之間的關(guān)聯(lián)性,利用對象的背景信息尤其是長距離的信息標(biāo)記不明顯的對象。同時(shí)將此算法嵌入到先進(jìn)的圖像分割模型上,提升模型的分割效果。本文在多個(gè)公開的數(shù)據(jù)集上進(jìn)行評測,和多個(gè)先進(jìn)的分割算法比較,實(shí)驗(yàn)結(jié)果表明本文提出的方法優(yōu)于基線模型,能夠有效地識(shí)別出傳統(tǒng)圖像分割算法中難以識(shí)別的不明顯和不完整的物體。最后,本文針對物流道路場景分割系統(tǒng)的需求,將本文提出的圖像分割算法模型應(yīng)用到該系統(tǒng)中,設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)智能輔助駕駛系統(tǒng),將道路場景分割系統(tǒng)作為該系統(tǒng)的核心模塊,其可以分析道路場景的路況信息,保障司機(jī)在物流運(yùn)輸過程中的安全性。同時(shí)根據(jù)物流場景的特殊性,本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)安卓智能物流平臺(tái)應(yīng)用,并對系統(tǒng)中各個(gè)模塊做了詳細(xì)的設(shè)計(jì)與實(shí)現(xiàn),該應(yīng)用可以將傳統(tǒng)的物流環(huán)節(jié)提到線上操作,提升物流運(yùn)輸環(huán)節(jié)的效率,并將上述智能輔助駕駛系統(tǒng)嵌入到該應(yīng)用中,使得整個(gè)物流運(yùn)輸環(huán)節(jié)變得安全高效。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F252;TP391.41;TP18
【圖文】：

實(shí)例分割與語義分割的區(qū)別(a)物體分類;(b)物體檢測;(c)語義分割;(d)實(shí)例分割

圖像識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)模型基本結(jié)構(gòu)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張浩峰;業(yè)巧林;趙春霞;楊靜宇;;一種非監(jiān)督道路場景分割方法[J];南京理工大學(xué)學(xué)報(bào);2012年02期

2 鄧斌攸;;一種改進(jìn)的工程化視頻場景分割算法[J];電子制作;2017年11期

3 程文剛;柳長安;宋崢崢;;場景過分割解決方法[J];華北電力大學(xué)學(xué)報(bào);2006年04期

4 郭小川;劉明杰;王婧璐;董道國;萬乾榮;;基于頻繁鏡頭集合的視頻場景分割方法[J];計(jì)算機(jī)應(yīng)用與軟件;2011年06期

5 華漫;;基于語義的體育視頻場景分割方法[J];計(jì)算機(jī)工程;2010年15期

6 曹建榮;;一種基于語義的視頻場景分割算法[J];中國圖象圖形學(xué)報(bào);2006年11期

7 朱永元;;場景分割:打造政治課堂的別樣精彩[J];中學(xué)政治教學(xué)參考;2014年Z1期

8 ;科技[J];中國機(jī)電工業(yè);2018年02期

9 張浩峰;;一種基于MRF的道路場景分割方法[J];新型工業(yè)化;2012年12期

10 葉楠,李捷,鄭志航;一種MPEG域上的快速緩變效果場景分割算法[J];上海交通大學(xué)學(xué)報(bào);2001年01期

相關(guān)會(huì)議論文 前1條

1 任紹美;都云程;王濤;呂學(xué)強(qiáng);;基于均值漂移的自適應(yīng)視頻場景分割[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

相關(guān)重要報(bào)紙文章 前3條

1 九軒資本創(chuàng)始合伙人 劉億舟;場景分割點(diǎn)決定了線上和線下的臨界點(diǎn)[N];華夏酒報(bào);2016年

2 中國消費(fèi)者報(bào) 小林;DV編刻光盤分三步走[N];中國消費(fèi)者報(bào);2006年

3 趙江;2003年必會(huì)的工具軟件[N];中國電腦教育報(bào);2003年

相關(guān)博士學(xué)位論文 前1條

1 王洋;高速鐵路場景分割與識(shí)別算法研究[D];北京交通大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 管超;基于深度學(xué)習(xí)的物流道路場景分割系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2019年

2 鄒家祥;野外機(jī)器人的地形識(shí)別與自然場景分割[D];山東大學(xué);2019年

3 潘文;基于多特征LightGBM的RGB-D場景分割方法研究[D];中北大學(xué);2019年

4 朱梓榕;基于卷積神經(jīng)網(wǎng)絡(luò)的視頻語義場景分割研究[D];華中科技大學(xué);2017年

5 杜成鵬;基于深度和彩色信息的室內(nèi)場景實(shí)時(shí)分割算法研究與實(shí)現(xiàn)[D];武漢理工大學(xué);2016年

6 李松松;基于RGB-D數(shù)據(jù)的室內(nèi)場景分割技術(shù)研究[D];湖南大學(xué);2017年

7 姚夢琳;基于內(nèi)容的視頻場景分割[D];電子科技大學(xué);2016年

8 金凱;視頻場景分割算法的研究[D];武漢輕工大學(xué);2014年

9 劉潤瑤;光照突變下基于特征融合的場景分割方法研究[D];重慶大學(xué);2014年

10 姜佳輪;基于SVM的道路場景分割技術(shù)研究[D];南京理工大學(xué);2014年

本文編號(hào)：2733868