[发明专利]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在审
| 申请号： | 201810587529.6 | 申请日： | 2018-06-08 |
| 公开（公告）号： | CN108876796A | 公开（公告）日： | 2018-11-23 |
| 发明（设计）人： | 宋青松;严国萍;张超;王兴莉;陈禹 | 申请（专利权）人： | 长安大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06K9/62;G06N3/04 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 齐书田 |
| 地址： | 710064 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 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。 | ||
| 搜索关键词： | 道路分割 卷积神经网络 连接条件 机场 二分类 卷积 分割 图像 交通场景图像 粗糙边缘 道路图像 神经网络 特征表征 平滑 准确率 构建 网络 精细 分类 优化 | ||
【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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于长安大学，未经长安大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810587529.6/，转载请声明来源钻瓜专利网。
