一种用于自动驾驶的轻量级语义分割神经网络

作     者：徐国保 麦锐滔 叶昌鑫 姚旭 刘洺辛 

作者机构：广东海洋大学数学与计算机学院 广东海洋大学电子与信息工程学院 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2022年

学科分类：08[工学] 080203[工学-机械设计及理论] 080204[工学-车辆工程] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目（61871465） 广东高校省级特色创新类项目（教育科研）(2018GXJK065) 

摘      要：图像语义分割在自动驾驶有十分重要的应用，可以让机器人在环境中分割出语义信息，从而对下游的控制动作做出决策。但大部分的深度学习模型都比较大，需庞大的计算资源，很难在移动设备中使用。为了解决这个问题，提出了一种用于语义分割的轻量级神经网络模型，采用编码-解码型与二分支型相结合的网络架构，利用分组卷积，深度可分离卷积，多尺度特征融合模块与通道混洗技术减少网络参数量、提升模型预测精度。本文模型训练结合Adam训练法与随机梯度下降法，使用的数据集为Cityscapes数据集，设置1000个训练周期。经测试，该模型参数量为3.5M，在单张显卡Nvidia GTX 1070Ti上的运算速度为每秒103帧图片，达到实时计算标准。在模型评估指标中，平均交并比为61.3%，像素准确率为93.4%，性能均比SegNet和ENet两种模型都好。