典型文献
基于改进CycleGAN的道路场景语义分割研究
文献摘要：
道路场景下的语义分割是无人驾驶中关键的技术,也是计算机视觉中重要的一个领域,而传统的语义分割方法需要对训练数据进行像素级的标注,对数据的要求极高.针对这一问题,将改进的循环生成对抗网络(cycle-consistent adversarial networks,CycleGAN)用于道路场景语义分割,该网络避免了大量的像素级标注且不需要成对的数据集,降低了数据集的要求.将原网络的目标函数用最小二乘损失和Smooth L1范数替代,增加了网络训练的稳定性且提高了生成图像的质量,并引入特征损失保证图像特征的保留,使得生成图像更加真实.使用道路场景分割中常用的Cityscapes数据集进行实验,并用语义分割领域常用的性能评价指标验证了方法的有效性,实验结果表明相较于原网络各性能都有一定提升.
文献关键词：
语义分割;循环生成对抗网络;损失函数;图像生成
中图分类号：
作者姓名：
张如涛;黄山;汪鸿浩
作者机构：
四川大学 电气工程学院,成都 610065
文献出处：
引用格式：
[1]张如涛;黄山;汪鸿浩-.基于改进CycleGAN的道路场景语义分割研究)[J].计算机工程与应用,2022(15):278-284
A类：
B类：
CycleGAN,道路场景,场景语义,语义分割,无人驾驶,计算机视觉,分割方法,训练数据,行像,循环生成对抗网络,cycle,consistent,adversarial,networks,像素级标注,最小二乘损失,Smooth,L1,范数,网络训练,成图,特征损失,图像特征,场景分割,Cityscapes,性能评价指标,指标验证,损失函数,图像生成
AB值：
0.401141
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
