本文關(guān)鍵詞： 夜視圖像 語義分割 深度學習 反卷積 無人車　出處：《應用光學》2017年03期 　論文類型：期刊論文

【摘要】：為了增強無人車對夜視圖像的場景理解,在夜間模式下更快更精確地探測和識別周圍環(huán)境,將深度學習應用于夜視圖像的場景語義分割,提出了一種基于卷積-反卷積神經(jīng)網(wǎng)絡的無人車夜視圖像語義分割方法。在傳統(tǒng)的卷積神經(jīng)網(wǎng)絡中加入反卷積網(wǎng)絡,構(gòu)建卷積-反卷積神經(jīng)網(wǎng)絡,無需手工選取特征。通過像素到像素的學習和訓練,得到圖像語義分割模型,可直接用該模型預測夜視圖像中每個像素所屬的場景語義類別,實現(xiàn)無人車夜間行駛時的環(huán)境感知。實驗結(jié)果表明,該方法具有較好的準確性和實時性,平均IU達到68.47。
[Abstract]:In order to enhance the unmanned vehicle of night vision image and scene understanding, in the night mode faster and more accurate detection and identification of the surrounding environment, the scene semantic deep learning applied to night vision image segmentation, a segmentation method of semantic unmanned vehicle night vision image convolution based on neural network. Join the network in the traditional neural network convolution deconvolution in the construction of convolution neural network, without manual feature selection. The pixel to pixel learning and training, get the image semantic segmentation model, can be directly used to forecast the scene semantic category of each pixel in the image of night vision, realize unmanned vehicle driving at night when the perception of the environment. The experimental results show that the the method has good accuracy and real-time, the average IU reached 68.47.

【作者單位】： 東華大學信息科學與技術(shù)學院;東華大學數(shù)字化紡織服裝技術(shù)教育部工程研究中心;華東理工大學信息科學與工程學院;
【基金】：國家自然科學基金項目(61375007) 上海市科委基礎(chǔ)研究項目(15JC1400600)
【分類號】：TP18;TP391.41
【正文快照】： 引言移動機器人作為機器人技術(shù)的一個重要領(lǐng)域,具有極強的環(huán)境感知、自主規(guī)劃和自適應能力,能在復雜的環(huán)境中完成指定的工作[1]。無人車是典型的移動機器人,使用攝像頭作為視覺傳感器來獲取場景內(nèi)容,然后依靠機器視覺算法來理解場景,實現(xiàn)自主導航。圖像語義分割是機器視覺中圖

【相似文獻】

相關(guān)期刊論文 前10條

1 李倩倩;陽愛民;李心廣;;圖像語義的圖形化標注和檢索研究[J];計算機應用與軟件;2008年12期

2 時慧琨;;一種利用用戶反饋日志獲取圖像語義標注方法[J];通化師范學院學報;2010年12期

3 郭海鳳;張盈盈;李廣水;韓立新;;基于社會網(wǎng)絡的圖像語義獲取研究綜述[J];計算機與現(xiàn)代化;2014年01期

4 石躍祥;朱東輝;蔡自興;B.Benhabib;;圖像語義特征的抽取方法及其應用[J];計算機工程;2007年19期

5 孫季豐;袁春林;邱衛(wèi)東;余英林;;一個具有圖像語義的物體分類系統(tǒng)的實現(xiàn)[J];科學技術(shù)與工程;2008年03期

6 王妍寧;郭雷;方俊;;一種新的圖像語義自動標注模型[J];計算機工程與應用;2011年07期

7 李曉雅;;淺析計算機圖像語義的識別應用技術(shù)[J];知識經(jīng)濟;2012年09期

8 李大湘;趙小強;李娜;;圖像語義分析的多示例學習算法綜述[J];控制與決策;2013年04期

9 林春漪;馬麗紅;尹俊勛;陳建宇;;基于多層貝葉斯網(wǎng)絡的醫(yī)學圖像語義建模[J];生物醫(yī)學工程學雜志;2009年02期

10 魏晗;李弼程;張瑞杰;唐永旺;;圖像語義提取方法研究[J];現(xiàn)代電子技術(shù);2011年24期

相關(guān)會議論文 前3條

1 張楊;房斌;徐傳運;;基于本體和描述邏輯的圖像語義識別[A];全國第20屆計算機技術(shù)與應用學術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應用學術(shù)會議論文集（上冊）[C];2009年

2 葉劍燁;謝祖銘;周向東;張亮;施伯樂;;一種新的圖像語義自動標注方法[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2004年

3 王偉強;付立波;高文;黃慶明;蔣樹強;;一種基于筆畫特征的疊加文字檢測方法[A];全國網(wǎng)絡與信息安全技術(shù)研討會論文集（下冊）[C];2007年

相關(guān)博士學位論文 前9條

1 趙永威;圖像語義表達與度量學習技術(shù)研究[D];解放軍信息工程大學;2016年

2 南柄飛;基于視覺認知機理的圖像語義內(nèi)容獲取研究[D];北京科技大學;2016年

3 陳久軍;基于統(tǒng)計學習的圖像語義挖掘研究[D];浙江大學;2006年

4 于永新;基于本體的圖像語義識別和檢索研究[D];天津大學;2009年

5 李曉燕;海量圖像語義分析和檢索技術(shù)研究[D];浙江大學;2009年

6 林春漪;基于混合貝葉斯網(wǎng)絡的醫(yī)學圖像語義建模及其檢索的研究[D];華南理工大學;2006年

7 許紅濤;Web圖像語義分析與自動標注研究[D];復旦大學;2009年

8 鮑泓;基于視覺感知的中國畫圖像語義自動分類研究[D];北京交通大學;2012年

9 王梅;基于多標簽學習的圖像語義自動標注研究[D];復旦大學;2008年

相關(guān)碩士學位論文 前10條

1 甄健華;圖像語義自動標注過程研究[D];河北師范大學;2015年

2 楊雪;基于紋理基元塊的圖像語義分割[D];西南科技大學;2015年

3 張智慧;基于本體的圖像語義檢索研究[D];西南科技大學;2015年

4 高瞰;社會化媒體中的圖像語義理解[D];華北電力大學;2015年

5 王行行;面向檢索的鞋底花紋圖像語義表達算法研究[D];大連海事大學;2015年

6 羅世操;基于深度學習的圖像語義提取與圖像檢索技術(shù)研究[D];東華大學;2016年

7 趙鵬坤;基于屬性約簡的圖像語義自動標注方法[D];太原科技大學;2015年

8 鄧姜平;基于場景分類的圖像語義自動標注及檢索的研究[D];湖南大學;2015年

9 梁歡;基于深度學習的圖像語義理解研究[D];重慶大學;2016年

10 蔣應鋒;基于CRF的圖像語義理解算法研究[D];天津理工大學;2016年

，

本文編號：1485597