张新华，黄梦醒，张 雨，李玉春，单怡晴，冯思玲

（1.海南大学 计算机与网络空间安全学院，海口 570228；2.海南大学 信息与通信工程学院，海口 570228）

0 概述

道路是影响自动驾驶技术的重要因素，道路的精确度影响地图的准确性，但是由于社会的快速发展，道路规划的频率也越来越快［1-3］。目前获取道路的方式有：使用车载激光扫描设备，通过遍历扫描信息的方式获取路面信息，但是人力物力耗资巨大；使用航空或者卫星图像，通过技术方法获取道路信息，能够节省大量的人力和时间［4-6］。

近年来，深度学习在计算机视觉、图像分类及图像分割等领域取得重大的成果。深度学习特殊的网络结构可以通过神经元将提取的特征值传递，每一层对上一层传递的特征再进行提取学习继续传递，从而提取最优的特征值［7-9］。在图像语义分割领域的方法包括AlexNet、FCN、U_Net、SegNet以及ResNet。AlexNet实现了在卷积神经网络（Convolutional Neural Network，CNN）中成功应用ReLU、Dropout 和LRN（Local Response Normalization）等Trick［10］；FCN 将AlexNet、VGG 全连接层改为卷积层，FCN［11］下采样对图像进行特征提取，对上采样进行反卷积，保证输出图像和输入图像大小相同；NOH［12］等在FCN 网络架构的基础上，提出学习一个多层反卷积网络代替简单的双线性插值；BADRINARAYANAA 等［13］提出SegNet 基于编码器-解码器架构，卷积层和池化层组成了编码器，卷积层和上采样层组成了解码器。编码器的作用是提取特征图像，解码器的作用是将特征图像返回到和输入图像大小一致。

SegNet 与反卷积网络相同点是网络结构相似，不同点是SegNet 去除了网络中间的2 个全连接层，并采用Batch Normalization 方法和Softmax 分类器；……