用于草坪场景理解的轻量化图像分割算法

来源：计算机技术与发展杂志2020年第10期北京时间：

作者：侯枘辰;刘瑜;廉华;巩彦丽

摘要：为提高割草机器人作业过程中视觉感知模块的识别准确率,提出了使用图像分割算法进行草坪场景的理解识别。图像分割算法的计算量非常大,运行时依赖高性能的 GPU,而割草机器人的硬件条件较差,因此设计了一种兼顾分割准确率和运行速度的轻量化深度卷积神经网络。 网络采用编码-解码的结构,在编码网络部分,采用轻量化的特征提取模型,将深度可分离卷积的思想融入特征提取模型中,代替传统的卷积方式;在解码网络部分,基于 RefineNet 模块减少参数量,融合编码器的高分辨率特征和低分辨率特征。 使用 PASAL VOC2012 分割数据集进行预训练,构建草坪场景数据集进行微调和测试评估。 结果表明:提出的算法结构在保持较高准确率的前提下,网络的参数量有大幅度的减少,运行速率有大幅度提高,在机器人草坪场理解任务上有更好的综合性能。

关键词：图像分割;深度学习;深度可分离卷积;RefineNet;卷积神经网络