论文部分内容阅读
利用经典算法强大的特征提取能力以及多特征融合的优势,提出了一种新的神经网络模型,可帮助无人驾驶系统在行驶视觉场景中对周围环境做出更好的理解。具体选择了在ImageNet中预训练得到的ResNet-34和VGG-16两种经典算法作为神经网络的主要路径,分别提取具备不同特点的全局信息与局部信息,加入其他融合模块并引入注意力机制以更好地优化算法性能。经实验验证,与SegNet等其他先验模型相比,对道路场景的分割准确率由原来的65.9%提高至77.3%,在CamVid数据集中表现优秀。