基于深度学习的道路场景图像语义分割方法研究OA

夜间道路场景下,低光照易致图像特征失真,传统语义分割方法处理此类图像精度显著下降,无法满足自动驾驶视觉感知需求。针对此问题,本文提出基于深度学习的夜间道路语义分割方法:首先构建师生模型架构,由教师模型生成高质量伪标签,指导学生模型在线学习;其次,引入可见性增强模块,优化目标图像的质量;最后,基于Logit约束学习模块,缓解传统交叉熵损失引发的伪标签过置信问题。在Cityscapes和Dark Zurich数据集上的实验结果表明,该方法具备良好的分割精度。