[发明专利]基于BiSeNetV2的路面全要素图像语义分割方法及装置

说明书

本申请涉及一种基于BiSeNetV2的路面全要素图像语义分割方法及装置。该方法包括：通过BiSeNet V2的语义分支对分辨率1/8的语义特征图、分辨率1/16的语义特征图、分辨率1/32的语义特征图进行权重分配，获得具有权重注意力的分辨率1/8的语义特征图、分辨率1/16的语义特征图、分辨率1/32的语义特征图；通过所述BiSeNet V2的特征融合模块融合所述细节特征图和所述具有权重注意力的分辨率1/8的语义特征图、分辨率1/16的语义特征图、分辨率1/32的语义特征图，获得融合后的特征图；通过所述BiSeNet V2依据所述融合后的特征图获得所述路面图像的语义分割结果。本申请提供的方案，能够对路面图像的路面全元素进行精确地语义分割，提高路面图像语义分割效果。

技术领域

本申请涉及导航技术领域，尤其涉及一种基于BiSeNetV2的路面全要素图像语义分割方法及装置。

背景技术

相关技术中，路面全要素包括路面交通标志，例如标划于路面上的各种线条、箭头、文字、立面标记、突起路标和轮廓标等。自动驾驶车辆通过图像对路面全要素的准确识别，是自动驾驶车辆完成安全、智能行驶的重要前提。相关技术采用神经网络对图像进行语义分割，根据语义分割结果获得路面全要素的识别结果，能够为自动驾驶车辆的导航提供准确的道路信息，使得自动驾驶车辆能够实现安全的自动驾驶功能。

相关技术对于路面场景的路面全要素图像的语义分割，图像中的路面全要素为重要信息，图像中的背景是次要信息。但相关技术采用BiSeNet V2(双边分割网络)的路面全要素图像语义分割，将图像中的路面全要素和背景同等对待，无法对路面图像的路面全要素进行准确的语义分割，导致对路面图像的语义分割效果差。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种基于BiSeNetV2的路面全要素图像语义分割方法及装置，能够对路面图像的路面全元素进行精确地语义分割，提高路面图像语义分割效果。

本申请第一方面提供一种基于BiSeNetV2的路面全要素图像语义分割方法，所述方法包括：

通过BiSeNet V2的细节分支获得路面图像的细节特征图；

通过所述BiSeNet V2的语义分支获得所述路面图像的分辨率1/8的语义特征图、分辨率1/16的语义特征图、分辨率1/32的语义特征图；

通过所述语义分支对所述分辨率1/8的语义特征图、所述分辨率1/16的语义特征图、所述分辨率1/32的语义特征图进行权重分配，获得具有权重注意力的分辨率1/8的语义特征图、分辨率1/16的语义特征图、分辨率1/32的语义特征图；

通过所述BiSeNet V2的特征融合模块融合所述细节特征图和所述具有权重注意力的分辨率1/8的语义特征图、分辨率1/16的语义特征图、分辨率1/32的语义特征图，获得融合后的特征图；

通过所述BiSeNet V2依据所述融合后的特征图获得所述路面图像的语义分割结果。

优选的，所述通过所述BiSeNet V2的语义分支获得所述路面图像的分辨率1/8的语义特征图、分辨率1/16的语义特征图、分辨率1/32的语义特征图，包括：

通过所述BiSeNet V2的语义分支的2倍下采样层对所述路面图像进行2倍下采样，获得所述路面图像的分辨率1/2的语义特征图，其中所述2倍下采样层包括7x7卷积；

依据所述分辨率1/2的语义特征图，通过所述语义分支依次获得所述路面图像的分辨率1/8的语义特征图、分辨率1/16的语义特征图、分辨率1/32的语义特征图。