基于DeepLabv3+改进的道路场景语义分割方法研究
袁世鹏
李松松
毛晗宇
郭天宇
国津荣
大连海洋大学 辽宁 大连 116000
摘要：针对DeepLabv3+模型在语义分割中未充分利用主干网络的语义信息,以及在编码器-解码器结构中分割小物体目标边界性能差的问题,文章提出了一种改进的DeepLabv3+语义分割方法.首先,在浅层特征融合分支结构中,利用MobileNetv2 网络替换原先的Xception网络,并添加VS-FRM模块和SA模块,使网络最大程度识别到物体的边缘.其次,在中间层特征融合分支结构中,增加一条特征融合分支结构,并添加CA模块,使网络充分提取图像特征.最后,在深层特征融合分支结构中,用C-ASPP模块替换ASPP模块,并且将中间层特征融合分支的输出与C-ASPP的输出进行拼接,来弥补训练过程中丢失的语义特征.实验结果表明,在CamVid数据集上的MIoU为 66.72%,MPA为 76.85%,Precision为77.77%,与DeepLabv3+模型相比MIoU提升了6.79%,MPA提升了8.62%,Precision提升了8.64%.有效提高了道路场景语义分割的准确性.
关键词：语义分割DeepLabv3+VS-FRMC-ASP
资助基金：国家自然科学基金(51778104)辽宁省教育厅科学研究项目(DL202005)
论文发表日期：2025-05-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 8-12 )