谷湘煜,刘晓熠,周仁彬

(深圳市朗驰欣创科技股份有限公司成都分公司，成都 610000)

图像语义分割是模式识别及计算机视觉领域中的一个极为重要的研究课题，是计算机场景理解的核心技术之一[1]。所谓语义分割是根据图像中的各个像素所表达语义含义的不同来进行区分，将图像划分成不同的语义对象，即将图像中各个像素进行分类[2]。而随着近几年深度学习在计算机视觉领域的不断突破，语义分割技术被广泛地应用于各个领域，如自动驾驶[3]、机器人自主导航[4]、医学影像分析[5]等。对于自动驾驶和机器人导航定位而言，基于道路场景的语义分割技术是实现自主行驶的重要辅助手段，通过对图像中道路、行人、建筑等相关目标进行精确分割，为自动驾驶汽车或机器人提供可靠的路况信息，进而保障其能够安全行驶。而在现实道路场景中，由于图像中目标相似性、场景复杂性以及图像获取质量等因素都极大地限制了图像分割的效果，无法较好地落地实际应用中。由此可见，如何提高语义分割技术在道路场景中的应用效果对于自动驾驶以及机器人自主导航都是极具挑战的研究课题，具有十分重要的研究意义以及实用价值。

为有效提升道路场景语义分割的效果，研究人员从不同角度进行了大量的工作，并取得了不错的效果。根据语义分割技术发展演变历程来看，这些工作可以大致分为传统语义分割算法和基于深度学习的语义分割算法。……