[发明专利]一种基于双边分割网络的车载图像语义分割系统

权利要求书

1.一种基于双边分割网络的车载图像语义分割系统，其特征在于，所述系统包含数据存储模块、训练模块、双边分割网络和语义分割模块：

所述数据存储模块，用于存储车载图像训练集和待测车载图像；

所述双边分割网络包含：空间通道、上下文通道和特征融合模块，其中，

所述空间通道用于提取车载图像的空间信息，其包含3层，每一层包含一个卷积层，车载图像经过空间通道之后，获得尺寸为车载图像尺寸的1/8、且通道数为128的低层次特征图；

所述上下文通道用于提取车载图像的上下文语义信息，其包含轻量化网络模型Xception和两个注意力提纯模块，所述轻量化网络模型Xception的输入为车载图像，其包括4个下采样阶段，第一下采样阶段对图像进行快速下采样，第二下采样阶段、第三下采样阶段、第四下采样阶段均对上一个下采样阶段输出的特征图进行下采样；第一注意力提纯模块的输入为轻量化网络模型Xception第三下采样阶段输出的特征图，第二注意力提纯模块的输入为轻量化网络模型Xception第四下采样阶段输出的特征图，第二注意力提纯模块得到的特征图，由Xception第四下采样阶段得到的特征图通过全局均值池化得到的权重向量进一步提纯，车载图像经过上下文通道后获得通道数为128的高层次特征图；

所述特征融合模块，用于融合空间通道与上下文通道获得的特征图，空间通道输出的低层次特征图和上下文通道输出的高层次特征图经过特征融合模块后，得到一个256通道的特征图；

所述训练模块，用于利用车载图像训练集训练所述双边分割网络；

所述语义分割模块，用于利用训练好的双边分割网络，预测待测车载图像，得到待测车载图像中每个像素所属的类别。

2.如权利要求1所述的车载图像语义分割系统，其特征在于，所述空间通道的每层包含依次连接的卷积层、BN层、ReLU函数。

3.如权利要求1所述的车载图像语义分割系统，其特征在于，注意力提纯模块，利用全局均值池化获取全局的上下文信息，并通过注意力向量指导特征的学习，用于去除下采样特征图包含的冗余信息。

4.如权利要求1所述的车载图像语义分割系统，其特征在于，所述注意力提纯模块的输入，依次经过全局均值池化层、卷积层、BN层、ReLu函数，得到的维度与输入的通道数相等的向量，该向量与注意力提纯模块的输入相乘，获得通道数为128的特征图。

5.如权利要求1所述的车载图像语义分割系统，其特征在于，将第一注意力提纯模块ARM1输出的通道数为128的特征图与第二个注意力提纯模块经过进一步提纯得到的128通道的特征图，经过拼接融合，形成一个通道数为128的特征图，作为上下文通道得到的高层次特征。

6.如权利要求1所述的车载图像语义分割系统，其特征在于，所述特征融合模块，用于将空间通道与上下文通道得到的特征图融合后，依次经过卷积层、BN层、ReLu函数，得到一个融合后的特征图，通过Sigmoid函数来计算特征图中每个通道的权重，利用全局均值池化操作将其转变成一个权重向量，用于特征选择与联合，融合后的特征图与权重向量相乘得到一个256通道的特征图。