[发明专利]基于SegNet-RS网络的大障碍物轮廓分割方法

权利要求书

1.一种基于SegNet-RS网络的大障碍物轮廓分割方法，其特征在于，针对采集的含大障碍物轮廓的图像，该方法在原SegNet网络上进行如下(1)～(4)方面的改进：

(1)SegNet-RS网络基本结构框架的构建；将解码过程中的1/8尺寸特征图同编码过程中1/8尺寸特征图进行迭代融合得到新的1/8尺寸的特征图，将其进行反卷积4和上采样3操作获得解码过程中1/4尺寸特征图；然后将解码和编码过程中的1/4尺寸特征图进行迭代融合获得新的1/4尺寸特征图，将其通过反卷积3和上采样2操作获得解码过程中1/2尺寸特征图；最后将解码与编码过程中的1/2尺寸的特征图进行迭代融合获得新的1/2尺寸的特征图，将其通过反卷积2、上采样1、反卷积1与Softmax函数四个操作获得与原图尺寸一样的语义分割图。

(2)池化层的选择；SegNet-RS网络的池化层选用2×2池化核的平均池化操作，以将特征图的特征值乘以4后平均分布至新的被放大的特征矩阵中去；

(3)激活函数的选择；选择参数化修正线性单元PreLU作为激活函数；

(4)卷积操作的尺寸选择；采用2个含3×3的卷积核的卷积操作的复合卷积操作；卷积1和反卷积1采用通道数为64的卷积，其它卷积操作均采用128作为其卷积操作的通道数。

2.根据权利要求1所述的基于SegNet-RS网络的大障碍物轮廓分割方法，其特征在于，所述PReLU函数的公式为：

式中，a_i为很小的固定值。

3.根据权利要求1所述的基于SegNet-RS网络的大障碍物轮廓分割方法，其特征在于，在训练策略上，SegNet-RS网络使用全局对比度归一化算法消除图像对比度差异，并选用带重启的随机梯度算法优化学习率提高网络的收敛速度，最后选用多类标签分类损失函数和中值类平衡算法优化损失率。

4.根据权利要求1所述的基于SegNet-RS网络的大障碍物轮廓分割方法，其特征在于，所述大障碍物轮廓分割方法应用于智能驾驶的实时图像处理工作中。

5.一种基于SegNet-RS网络的大障碍物轮廓分割系统，其特征在于，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至4任一项所述的基于SegNet-RS网络的大障碍物轮廓分割方法。

6.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至4任一项所述的基于SegNet-RS网络的大障碍物轮廓分割方法。