摘要
本发明涉及人工智能和自动驾驶技术领域,具体涉及基于轻量化多尺度融合Transformer网络的道路语义分割方法,包含轻量化编码器网络模块、轻量化多尺度融合Transformer网络模块,轻量化解码器网络模块与空间注意力网络模块,轻量化编码器网络模块将深度可分离卷积与非对称空洞卷积混合,不仅有效扩大感受野,以捕捉道路场景中的丰富上下文信息,且显著降低了计算复杂度,轻量化多尺度融合Transformer网络模块对多个尺度提取的特征图进行重构,该模块运用可分离跨通道注意力机制,有效捕捉不同尺度特征图之间的内在依赖与关联。本发明所设计的道路场景语义分割方法准确率高,复杂度低,实时性好,适用于车载设备,并实现了分割精度与计算效率的良好平衡,在自动驾驶领域有重要的应用价值。
技术关键词
语义分割方法
网络模块
空间注意力网络
通道注意力机制
场景语义分割
编码器特征
输出特征
多尺度特征
解码器
序列
损失函数设计
全局特征提取
语义特征提取
重构
系统为您推荐了相关专利信息
矩阵恢复
信道估计方法
大规模MIMO系统
递归神经网络
前馈神经网络
视觉重定位方法
实时图像
关键点
地图数据库
神经网络模型
稳定控制方法
扩展卡尔曼滤波器
轻量级卷积神经网络
相位误差
长短期记忆网络
车道线识别
定位方法
卷积神经网络提取
特征融合网络
Sigmoid函数