[发明专利]一种基于卷积神经网络的道路场景语义分割方法

说明书

本发明公开了一种基于卷积神经网络的道路场景语义分割方法，其先构建卷积神经网络，包括输入层、隐层和输出层，隐层由13个神经网络块、7个上采样层、8个级联层组成；然后将训练集中的每幅原始的道路场景图像输入到卷积神经网络中进行训练，得到每幅原始的道路场景图像对应的12幅语义分割预测图；接着通过计算每幅原始的道路场景图像对应的12幅语义分割预测图构成的集合与对应的真实语义分割图像处理成的12幅独热编码图像构成的集合之间的损失函数值，得到卷积神经网络分类训练模型的最优权值矢量和最优偏置项；将待语义分割的道路场景图像输入到卷积神经网络分类训练模型中进行预测，得到对应的预测语义分割图像；优点是语义分割精度高。

技术领域

本发明涉及一种道路场景语义分割技术，尤其是涉及一种基于卷积神经网络的道路场景语义分割方法。

背景技术

近年来，具有执行计算密集型任务能力的机器的进步使得研究人员能够更深入地挖掘神经网络。卷积神经网络在图像的分类、定位以及场景理解等方面取得了最近的成功。目前，由于增强现实和自动驾驶车辆等任务的激增，因此许多研究人员将注意力转移到场景理解上，其中一个主要步骤就是语义分割，即对所给定的图像中的每一个像素点做分类。语义分割在移动和机器人相关应用中具有重要意义。

当然，目标检测方法可以帮助绘制出某些确定实体的边框，但人类对场景理解能以像素级的精细程度对每一个实体进行检测并标记精确的边界。现在已经开始发展自动驾驶汽车和智能机器人，这些都需要深入理解周围环境，因此精确分割实体变得越来越重要。

深度学习在语义分割、计算机视觉、语音识别、跟踪方面都有极广泛的应用，其极强的高效性也使得它在实时应用等各方面具有巨大的潜力。现如今获取特征的方法主要可以分为两类：使用手动特征的传统方法和针对问题自动学习的深度学习方法，前者通常为了适应新的数据集需要专家相关经验和时间对特征进行调整；后者在物体检测和图像分类等方面的成功鼓舞着研究人员探索此类网络对像素级标记，如语义分割方面的能力。因此，深度学习语义分割方法的研究更高效实用。

经典的语义分割方法有全连接网络(Full Connected Network，FCN)，其能够做到端到端，像素点对像素点的连接，而且相比于传统的基于CNN(卷积神经网络)做分割的网络更加高效，因为避免了由于使用像素块而带来的重复存储和计算卷积的问题，其是最先进的语义分割方法之一。但它存在很多缺点，首先是训练比较麻烦，需要训练三次才能够得到FCN-8s；其次是对图像的细节不够敏感，这是因为在解码过程，也就是恢复原图像大小的过程中，输入上采样层的label map(标签图片)太稀疏，而且上采样过程就是一个简单的deconvolution(反卷积)，因此得到的分割结果还是不精细。

发明内容

本发明所要解决的技术问题是提供一种基于卷积神经网络的道路场景语义分割方法，其语义分割精度高。

本发明解决上述技术问题所采用的技术方案为：一种基于卷积神经网络的道路场景语义分割方法，其特征在于包括训练阶段和测试阶段两个过程；

所述的训练阶段过程的具体步骤为：

步骤1_1：选取Q幅原始的道路场景图像及每幅原始的道路场景图像对应的真实语义分割图像，并构成训练集，将训练集中的第q幅原始的道路场景图像记为{I^q(i,j)}，将训练集中与{I^q(i,j)}对应的真实语义分割图像记为然后采用独热编码技术将训练集中的每幅原始的道路场景图像对应的真实语义分割图像处理成12幅独热编码图像，将处理成的12幅独热编码图像构成的集合记为其中，道路场景图像为RGB彩色图像，Q为正整数，Q≥100，q为正整数，1≤q≤Q，1≤i≤W，1≤j≤H，W表示{I^q(i,j)}的宽度，H表示{I^q(i,j)}的高度，I^q(i,j)表示{I^q(i,j)}中坐标位置为(i,j)的像素点的像素值，表示中坐标位置为(i,j)的像素点的像素值；