[发明专利]一种基于深度学习的无人车室外场景实时分割方法

摘要

本发明的一种基于深度学习的无人车室外场景实时分割方法，包括，步骤1：采集室外场景图像，按8:1:1的比例分为训练集、验证集和测试集，并对图像进行预处理；步骤2：建立卷积神经网络，以对室外场景图像进行分割；步骤3：将训练集图像输入到卷积神经网络中，对卷积神经网络进行训练，并通过验证集对网络参数进行调节；步骤4：将测试集输入到训练好的网络中，实现对图像的分割。该分割方法能够在相对较低成本的基础上快速实现对室外场景的分割，同时能够较大程度上减少精度上的损失，有着较小模型存储空间，提高语义分割的效率，提升整个室外场景识别的性能。

主权项

1.一种基于深度学习的无人车室外场景实时分割方法，其特征在于，包括如下步骤：步骤1：采集室外场景图像，按8:1:1的比例分为训练集、验证集和测试集，并对图像进行预处理；步骤2：建立卷积神经网络，以对室外场景图像进行分割；步骤3：将训练集图像输入到卷积神经网络中，对卷积神经网络进行训练，并通过验证集对网络参数进行调节；步骤4：将测试集输入到训练好的网络中，实现对图像的分割。