山东大学学报(工学版)

作者：王碧瑶,韩毅,崔航滨,刘毅超,任铭然,高维勇,陈姝廷,刘嘉巍,崔洋

单位：长安大学汽车学院, 陕西 西安 710064

关键词：语义分割,深度学习,BiSeNet V2,车道线检测,注意力机制,

基金：国家重点研发计划资助项目(2021YFB2601000);中央高校基本科研业务费专项资金—长安大学优秀博士学位论文培育资助项目(300203211221);陕西省秦创原队伍建设资助项目(2022KXJ-021)

针对现有语义分割网络模型在道路语义分割方面检测精度低、计算量大等问题,基于BiSeNet V2网络模型进行优化改进,引入一种高效的通道注意力(efficient channel attention, ECA)模块,在BiSeNet V2的语义分支和细节分支的每个阶段末端分别加入ECA,得到ECA-Semantic-BiSeNet V2网络。使用实车采集道路图像数据进行标注并构建自采数据集,在Cityscapes数据集、KITTI数据集及自采数据集上分别对改进前后的网络模型进行试验验证。试验结果表明,与BiSeNet V2模型方法相比,本研究方法在Cityscapes数据集上MIoU提高14.01%,在KITTI数据集上MIoU提高1.86%,同时在BiSeNet V2的语义分支加入ECA后运算量增加0.02 GFlops的条件下,模型推理速度提高了7.82帧/s。

来源：2023年第5期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2023年第5期