论文部分内容阅读
针对街道监控和边境荒漠等道路场景监控视频,使用基于深度学习的语义分割方法,对监控视频进行图像语义分割,以便后续对行人、车辆等意向目标进行深入观察和场景解析。文中对轻量级实时语义分割算法ENet进行应用研究和改进,提出改进后的模型CBR-ENet,使其更适合实际应用场景和实际使用环境。首先,对ENet网络进行剪枝压缩,进一步减小模型体积,提高推理速度;然后,进行卷积优化操作,扩大感受野,保证分割精度。改进后的算法CBR-ENet在CamVid数据集上进行了训练和测试,获得了不错的结果,可以适应实际监控