唐舒放，王志胜

(南京航空航天大学自动化学院，江苏 南京 211106)

0 引 言

在车载自动驾驶系统中，利用语义分割模块对视觉传感器采集的图像信息进行处理，可以检测前方路况信息，感知当前车辆所处环境，甚至判断道路上的交通标志，因此针对视觉信息的语义分割模块是自动驾驶系统中至关重要的一个环节。提高语义分割结果的精确度能够提升自动驾驶系统对道路场景的理解推断，更好地为自动驾驶中央决策单元提供信息支持；加快语义分割推理的速度能够保证实时地为自动驾驶系统提供环境信息，从而进一步确保自动驾驶系统的安全性。然而，基于深度学习的语义分割技术更多的是在学术界中快速发展，与工业界中的自动驾驶任务需求仍有较大不同[1-3]。

语义分割模块作为自动驾驶汽车感知周围环境的桥梁，实时地为系统提供环境信息是安全性能的有效保障。在卷积神经网络中，靠近图像输入部分的卷积层中的特征图具有丰富的空间位置、边缘形状等信息，而编码器输出的特征图具有更多的高级语义信息。在目标检测、分类等其它视觉任务中往往利用这种高级语义特征就可以达到目的，然而语义分割任务最终需要达到对所有像素的分类，除了需要高级语义信息来完成语义推断，还需要特征的原始空间位置信息来将低分辨率的深层特征图恢复到原始尺寸，因此导致语义分割网络中常见的编码器-解码器等结构具有较长的计算流程。……