原文传递
一种基于全卷积神经网络和条件随机场的道路分割系统及方法
| 专利名称： | 一种基于全卷积神经网络和条件随机场的道路分割系统及方法 |
| 摘要： | 本发明公开了一种基于全卷积神经网络和条件随机场的道路分割系统及方法，首先利用深度神经网络良好的特征表征能力，将道路分割视为一个二分类问题，构建一个基于VGG_16深度卷积网络的全卷积网络，实现道路图像端到端的路面和背景分类；然后利用全连接条件随机场能够实现图像精细分割的特点，采用全连接条件随机场对二分类得到的粗糙边缘再进行平滑优化。本发明方法获得了98.13％的分割准确率以及每0.84s处理1幅图像的分割速度，为交通场景图像道路分割提供了一种高效的解决方案。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 陕西;61 |
| 申请人： | 长安大学 |
| 发明人： | 宋青松;严国萍;张超;王兴莉;陈禹 |
| 专利状态： | 有效 |
| 发布日期： | 2019-01-01T00:00:00+0800 |
| 申请号： | CN201810587529.6 |
| 公开号： | CN108876796A |
| 代理机构： | 西安通大专利代理有限责任公司 61200 |
| 代理人： | 齐书田 |
| 分类号： | G06T7/11(2017.01)I;G06K9/62(2006.01)I;G06N3/04(2006.01)I;G;G06;G06T;G06K;G06N;G06T7;G06K9;G06N3;G06T7/11;G06K9/62;G06N3/04 |
| 申请人地址： | 710064 陕西省西安市南二环中段33号 |
| 主权项： | 1.一种基于全卷积神经网络和条件随机场的道路分割系统，其特征在于，包括：交通场景图像输入模块，用于对交通场景图像的读取；基于VGG网络的特征自学习与表征模块，用于学习和提取交通场景图像的固有特征；双线性上采样与转置卷积模块，用于将VGG网络提取的固有特征采用双线性插值方法进行特征图的恢复，并且使恢复后的特征图尺寸和输入的交通场景图像相统一；Softmax分类识别模块，用于对恢复后的特征图进行像素级分类，判别每一个像素属于路面或者属于背景的概率；CRF细节优化模块，用于将SoftMax分类识别模块提供的分割结果进一步优化，得到最终的精细道路分割结果。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
