基于图像风格对抗和二重类别优化的夜间图像语义分割
周华平
李美光
安徽理工大学 计算机科学与工程学院,安徽 淮南 232000
摘要：为解决目前夜间图像语义分割中存在的语义信息传递丢失和不重视小频率类别问题,提出了基于图像风格对抗和二重类别优化网络架构(image style confrontation and two-category optimization network architecture,ITA)模型.首先,采用了对抗学习的架构令图像共享信息得到高效利用,使得语义信息的传输更加完整.然后,采用了二重类别指导策略(two-way category guidance,TCG)重新分配类别权重,引导模型更加关注小频率类别.最后,在黑暗苏黎世数据集上进行实验,平均交并比(mean intersection over union,MIoU)提高到了 60.1%.另外,通过消融实验证明了每个模块的有效性.ITA模型能够较为准确地分割夜间道路图像,可供夜间自动驾驶任务借鉴.
关键词：夜间图像语义分割对抗网络域自适应图像对齐数据平衡风格转换
分类号：TP391.41(计算技术、计算机技术)
资助基金：安徽省重点研发计划国际科技合作专项基金资助项目(202004b11020029)
论文发表日期：2024-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 69-74 )
英文信息