セマンティックセグメンテーションは、自動運転およびインテリジェント交通工学の応用において不可欠な役割を果たしています。セマンティックセグメンテーションにおける境界のぼやけ、物体間の相互遮蔽、および物体のマルチスケール差異によるセグメンテーション精度不足の問題に対処するために、グローバル認識とマルチスケール特徴融合を備えた都市道路セマンティックセグメンテーションネットワークを提案します。境界のぼやけ問題を改善するために、空間情報とチャネル情報を統合して特徴間の相互作用を強化し、グローバル情報を認識するグローバル認識モジュールを設計しました。物体間の相互遮蔽の場合、モデルは遮蔽領域の感度を向上させる必要があるため、大きな物体と小さな物体のセグメンテーション精度を考慮したマルチスケール特徴融合モジュールを提案します。総合的な多制約特徴平滑損失を用いてモデルを評価し、特徴をさらに平滑化し、最適解を求めて目的を最適化します。実験により、本手法はCityscapesデータセットの異なる解像度でmIoU値がそれぞれ0.5％、0.9％、1.7％向上し、ADE20KデータセットでmIoU値が2.1％向上することが確認されました。既存のセマンティックセグメンテーションネットワークモデルと比較して、本手法はセグメンテーション性能をさらに向上させました。

ディープラーニング;画像処理;セマンティックセグメンテーション;特徴融合;損失関数