基于CNN与分布式LSTM的道路分割
计算机视觉与模式识别
2019-03-07 v2 图像与视频处理
摘要
在自动驾驶系统（ADS）与高级驾驶辅助系统（ADAS）中，高效的道路分割对于感知可行驶区域并构建用于路径规划的占用图是必要的。现有算法采用庞大的卷积神经网络（CNN），计算开销大且耗时。本文中，我们引入分布式LSTM——一种广泛应用于音频与视频处理的神经网络——来处理图像与特征图中的行与列。随后我们提出一种结合卷积层与分布式LSTM层的新网络以解决道路分割问题。最终，该网络在KITTI道路基准上训练与测试。结果表明，该组合结构增强了特征提取与处理，且比纯CNN结构耗时更少。
引用
@article{arxiv.1808.04450,
title = {Road Segmentation Using CNN and Distributed LSTM},
author = {Yecheng Lyu and Lin Bai and Xinming Huang},
journal= {arXiv preprint arXiv:1808.04450},
year = {2019}
}
备注
6 pages. arXiv admin note: text overlap with arXiv:1804.05164