融合通道注意力机制和深度编解码卷积网络的道路场景分割

黄泽华，丁学明

(上海理工大学 光电信息与计算机工程学院，上海 200093)

1 引 言

自动驾驶技术和实景导航的发展离不开计算机视觉技术，自动驾驶的基础就是计算机通过人工智能的方式对汽车行为作出决策并实现自动控制.实现自动驾驶的前提是车辆能够通过计算机视觉采集环境信息，这其中最重要的过程就是道路场景的图像语义分割[1-4].语义分割就是依照图像中物体表达的含义进行区域分割，而对于语义类别较多的复杂图像而言，利用自动化图像分割技术替代人工具有重大的现实意义[5-8].图像语义分割不同于以往的目标识别，既可以对多目标、多类别进行识别，还能在图像中准确分割相应目标区域信息[9-12].

经典的语义分割网络结构通常是具有编解码结构的深度卷积网络[13].在2014年以前，卷积神经网络通常应用在图像分类上，仅仅只是判断图片是什么，但是图像语义分割需要对输入图片每一个像素按照特定类别进行分类.基于此，Long等人[14]将经典深度卷积网络VGG的全连接层替换成卷积层，使得网络核心运算结构都变成卷积层，因此称之为全卷积网络(fully convolutional networks，FCN).FCN将网络输出由一维向量转换成与输入图像尺寸一致的特征图进行像素级分类，达到图像语义分割的目的[14-18].FCN只是单纯将下采样后的特征图通过上采样的方式直接恢复到原尺寸，这些特征图比较稀疏，仅仅通过特征图直接融合的方式上采样输出，因此这种网络对于复……