商建东 刘艳青 高 需

1(郑州大学(河南省)超级计算中心 河南 郑州 450052) 2(郑州大学信息工程学院 河南 郑州 450000)

0 引 言

图像语义分割是图像分割和图像语义识别相结合的图像处理方法，在图像分割的基础上结合目标识别技术，不仅可以做到对目标的提取，还可以判断目标的种类，对于后续的图像理解、场景分析、目标追踪有着至关重要的作用。图像语义分割在多个领域有着广泛的应用，如智能家居、智慧医疗、自动驾驶等。其中，在自动驾驶领域中，基于道路场景的语义分割为其提供了重要的技术支撑，通过对车体前方场景的语义分割可以精确定位建筑物、道路、车辆和行人等信息，从而提升自动驾驶的安全性[1]。

在深度学习出现之前，传统的语义分割算法利用手工标注特征，实施过程比较繁琐、效率低、准确度不高，并且很多方法具有局限性，同一种算法很难同时适用于多个研究任务。近年来，卷积神经网络得到了研究人员的广泛关注，并且提出了AlexNet[2]、GoogLeNet[3]、ResNet[4]、VGG[5]等先进模型，此类模型能够从大量的样本中自动学习有用特征,具有较高的准确率。但是，在高级的自动驾驶任务中，卷积神经网络也难以满足复杂交通场景的需求，对于一些障碍物难以准确地识别出来。近些年，对于道路场景的语义分割任务，卷积神经网络的结构也在不断的优化，其中FCN[6]首次实现了端到端的语义分割，展现出了卷积神经网络在语义分割任务中强大的泛化能力。为了改善分割效果，提高精度，在FCN的基础上开展了一系列相关的研究。……