發(fā)布時間：2021-04-28 14:06

　　隨著國家新基建政策的提出,人工智能、5G等新科技成為國家將來發(fā)展的重點,而作為5G和人工智能相結(jié)合的智能車領(lǐng)域的發(fā)展也同樣備受期待。在智能車領(lǐng)域,環(huán)境感知一直是研究的重點,語義分割作為智能車環(huán)境感知中的一大分支,可以逐像素對道路場景圖像中的交通參與者、道路邊界、障礙物等目標物體進行分類,并為智能車系統(tǒng)提供豐富的圖像信息。本文主要研究面向智能車場景的語義分割算法,分別從語義分割算法精度、語義分割算法實時性、語義分割模型部署三大角度來展開研究。首先,提出了基于改進的注意力機制的語義分割模型來提高語義分割算法精度。由帶有全局注意力提取模塊的空洞金字塔池化模塊GASPP結(jié)構(gòu)提取多尺度感受野信息,由帶有選擇性注意力機制的網(wǎng)絡(luò)結(jié)構(gòu)作為解碼器,并在此基礎(chǔ)上,構(gòu)建了語義分割網(wǎng)絡(luò)模型GSANet,在Cityscapes數(shù)據(jù)集上達到81.6%m IoU的精度,在Cam Vid數(shù)據(jù)集上達到79.2%m IoU的精度�？紤]到智能車場景下語義分割算法的實時性,提出了基于改進的輕量化網(wǎng)絡(luò)的實時語義分割模型。在輕量級網(wǎng)絡(luò)Mobile Net v2的基礎(chǔ)上,構(gòu)建了具有空洞卷積和注意力模塊的網(wǎng)絡(luò)作為主干網(wǎng)絡(luò)用于特征提取... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 語義分割國內(nèi)外研究現(xiàn)狀及存在的問題
        1.2.1 國內(nèi)外研究現(xiàn)狀
        1.2.2 存在的問題
    1.3 本文的主要研究內(nèi)容和論文結(jié)構(gòu)
        1.3.1 本文的主要研究內(nèi)容
        1.3.2 本文的章節(jié)安排
第二章 智能車場景語義分割算法相關(guān)技術(shù)
    2.1 語義分割技術(shù)
        2.1.1 語義分割概述
        2.1.2 語義分割評價標準
        2.1.3 語義分割相關(guān)數(shù)據(jù)集
    2.2 卷積神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)步驟
        2.2.1 從數(shù)據(jù)集中提取訓(xùn)練數(shù)據(jù)
        2.2.2 設(shè)計卷積神經(jīng)網(wǎng)絡(luò)模型
        2.2.3 設(shè)計損失函數(shù)計算預(yù)測值與標簽值之差
        2.2.4 優(yōu)化算法對模型中參數(shù)進行更新
    2.3 面向智能車場景的語義分割方法
        2.3.1 基于編碼器解碼器結(jié)構(gòu)的語義分割方法
        2.3.2 基于空洞卷積和多尺度融合的語義分割方法
    2.4 本章小結(jié)
第三章 基于改進的注意力機制的語義分割算法
    3.1 語義分割中的上下文信息
    3.2 視覺注意力機制
        3.2.1 視覺注意力機制中的壓縮-擴張網(wǎng)絡(luò)
        3.2.2 視覺注意力機制中的自注意力機制
    3.3 GSANet網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        3.3.1 GSANet整體網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.2 帶有全局注意力的ASPP結(jié)構(gòu)設(shè)計
        3.3.3 帶有選擇性注意力的解碼器結(jié)構(gòu)設(shè)計
    3.4 實驗與分析
        3.4.1 實驗配置與訓(xùn)練過程
        3.4.2 消融實驗與分析
        3.4.3 Cityscapes和Cam Vid數(shù)據(jù)集實驗結(jié)果
    3.5 本章小結(jié)
第四章 基于改進的輕量化網(wǎng)絡(luò)的實時語義分割算法
    4.1 深度可分離卷積和輕量化網(wǎng)絡(luò)模型
        4.1.1 標準卷積與深度可分離卷積
        4.1.2 Mobile Net系列輕量化網(wǎng)絡(luò)
    4.2 基于輕量級網(wǎng)絡(luò)的語義分割算法方法概述
    4.3 LightSeg網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        4.3.1 LightSeg網(wǎng)絡(luò)整體框架
        4.3.2 帶有空洞卷積和注意力機制的輕量化主干網(wǎng)絡(luò)
        4.3.3 帶鄰近信息的ASPP結(jié)構(gòu)
        4.3.4 特征融合模塊
    4.4 實驗與分析
        4.4.1 實驗配置與訓(xùn)練過程
        4.4.2 消融實驗與分析
        4.4.3 Cityscapes和Cam Vid數(shù)據(jù)集實驗結(jié)果
    4.5 本章小結(jié)
第五章 基于剪枝和推理加速的語義分割算法優(yōu)化
    5.1 模型通道剪枝算法優(yōu)化
        5.1.1 基于通道的剪枝算法及稀疏化訓(xùn)練
        5.1.2 通道剪枝算法實驗
    5.2 模型推理加速優(yōu)化
        5.2.1 BN層與卷積層合并
        5.2.2 BN層與卷積層合并推理加速實驗
    5.3 本章小結(jié)
總結(jié)與展望
參考文獻
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻】：
期刊論文
[1]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應(yīng)用研究. 2012(08)
[2]圖像閾值分割算法研究[J]. 郭臻,陳遠知.  中國傳媒大學(xué)學(xué)報(自然科學(xué)版). 2008(02)

碩士論文
[1]無人駕駛車輛道路場景環(huán)境建模[D]. 張前.西安理工大學(xué) 2018
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割[D]. 馬驍.中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所) 2018
[3]基于全卷積網(wǎng)絡(luò)的圖像語義分割算法研究[D]. 孫海川.哈爾濱工業(yè)大學(xué) 2018



本文編號：3165611