一种基于多路径特征融合与深度可分离卷积的轻量级驾驶场景语义分割方法

AITNT
正文
推荐专利
一种基于多路径特征融合与深度可分离卷积的轻量级驾驶场景语义分割方法
申请号:CN202510711427
申请日期:2025-05-29
公开号:CN120599260A
公开日期:2025-09-05
类型:发明专利
摘要
本发明提供一种基于多路径特征融合与深度可分离卷积的轻量级驾驶场景语义分割方法,在构建深度学习语义分割模型的过程中,巧妙地融合了多尺度上下文信息与多层次特征表达,采用轻量化、分层次处理策略,兼顾了模型的精度、效率与计算资源消耗之间的平衡。本发明在多尺度上下文建模、跨层特征融合与结构轻量化方面均具有创新设计,实现了在复杂驾驶环境下语义分割精度、速度与模型大小的三重优化,为实际应用场景中的快速部署与落地提供了有效技术支撑。
技术关键词
场景语义分割方法 多路径特征融合 语义特征 深度学习语义分割 解码器 通道 融合特征 分支 多尺度特征融合 上采样 空间多尺度 多层次特征 生成多尺度 全局平均池化 元素 跨层特征 上下文特征 网络 池化特征
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号