论文部分内容阅读
近年来,车道路面的识别与语义分割已成为无人驾驶领域的研究热点。本文针对现有的CNN算法在解决前述问题时存在的不足,提出了一种带有空间信息的卷积神经网络车道路面语义分割模型。在传统的卷积神经网络中,任意层负责接收上层的数据,再作卷积并加激活传给下一层。这个过程是顺序执行的,但是对于车道路面识别问题而言,采用传统的卷积神经网络无法很好地提取前方路面的空间信息。本文提出的模型将特征图的每一行或每一列作为卷积层的输入,这使得空间信息能够在同层的神经元上传播。该模型在车道路面语义分割任务中的准确率,明显高于F