基于DeepLabv3+算法的城市街景语义分割算法研究

作     者：陈文艺 苗宗成 Chen Wenyi;Miao Zongcheng

作者机构：西京学院电子信息学院陕西西安710123 

出 版 物：《无线互联科技》 (Wireless Internet Technology)

年 卷 期：2024年第21卷第9期

页      面：103-105页

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：深度学习 语义分割 ASPP 

摘      要：在自动驾驶领域,城市街道场景的语义分割对于提升系统的安全性和效率至关重要。针对传统语义分割模型参数过多、泛化性能较差以及分割效果有限等问题,文章提出了一种基于改进DeepLabv3+的解决方案。此改进模型融合了轻量级MobileNetv2主干网络和SE注意力机制,优化了空洞金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块,将其从并行结构改进成串行结构,采用深度可分离卷积结构。在Cityscapes数据集上,文章的方法取得了75.90%的平均交并比(Mean Intersection over Union,MIoU),显著提升了分割精度与计算效率。