一种基于GAN的深度监督语义分割方法
计算机视觉与模式识别
2023-10-09 v1 人工智能
计算工程、金融与科学
摘要
近年来，在交通系统自动化与效率需求日益增长的驱动下，智能交通领域取得了快速发展。交通安全作为智能交通系统的核心任务之一，需要准确识别并定位各类道路要素，如道路裂缝、车道线与交通标志。语义分割在实现该任务中起着关键作用，因其能将图像划分为具有精确边界的有意义区域。在本研究中，我们提出一种改进的语义分割模型，该模型结合了对抗学习与最先进语义分割技术的优势。所提模型将生成对抗网络（GAN）框架集成入传统语义分割模型，增强了模型在捕获交通图像中复杂而细微特征方面的性能。与现有方法（即SEGAN）相比，我们的方法在道路裂缝数据集上的性能显著提升，证明了本方法的有效性。该改进可归因于对抗学习与语义分割的协同效应，其带来了对道路结构与状况更精细准确的表征。增强后的模型不仅有助于更好地检测道路裂缝，也适用于智能交通中广泛的应用，如交通标志识别、车辆检测与车道分割。
引用
@article{arxiv.2310.04081,
title = {A Deeply Supervised Semantic Segmentation Method Based on GAN},
author = {Wei Zhao and Qiyu Wei and Zeng Zeng},
journal= {arXiv preprint arXiv:2310.04081},
year = {2023}
}
备注
6 pages, 2 figures, ITSC conference