Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2021 | OriginalPaper | Buchkapitel

Deep Semantic Segmentation for Self-driving Cars

verfasst von : Abhilash Sachin Kulkarni, Jyothi S. Nayak, Aditi Desai, Jahnavi Singh, Shraddha Murali

Erschienen in: Advances in Signal and Data Processing

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

A self-driving car comprises three subsystems in the navigation, viz. lane finding, urban scene understanding and geopositioning. This paper introduces the technique of semantic segmentation for urban scene understanding with various implementations in recent years and proposes a novel approach to fast and accurate semantic segmentation. The architecture of the model is designed using VGG16 as encoder, adopting hierarchical feature fusion technique to perform downsampling followed by a lightweight decoder to perform upsampling. Skip connections are introduced between the encoder and the decoder to improve the information flow. This new approach outperforms the previous implementations by giving 94% accuracy and 8.7 frames per second (FPS) simultaneously.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel Trends in Energy Management System for Smart Microgrid—An Overview
Literatur
1.
Mennatullah S, Sara E, Martin J, Senthil Y (2017) Deep semantic segmentation for automated driving: taxonomy, roadmap and challenges
2.
Jonathan L, Evan S, Trevor D (2015) Fully convolutional networks for semantic segmentation
3.
Guosheng L, Chunhua S, Anton VDH, Ian R (2016) Efficient piecewise training of deep structured models for semantic segmentation
4.
Mohsen F, Mohammad HS, Mohammad S, Mahmood F, Reinhard K, Fay H (2016) STFCN: spatio-temporal FCN for semantic video segmentation
5.
Vijay B, Alex K, Roberto C (2017) SegNet: a deep convolutional encoder-decoder architecture for image segmentation
6.
Liang-Chieh C, George P, Florian S, Hartwig A (2017) Rethinking atrous convolution for semantic image segmentation
7.
Guosheng L, Anton M, Chunhua S, Ian R (2017) RefineNet: multi-path refinement networks for high-resolution semantics segmentation
8.
Simon J, Michal D, David V, Adriana R, Yoshua B (2017) The one hundred layers tiramisu: fully convolutional densenets for semantic segmentation
9.
Ciresan DC, Gambardella LM, Giusti A, Schmidhuber J (2012) Deep neural networks segment neuronal membranes in electron microscopy images
10.
Hengshuang Z, Jianping S, Xiaojuan Q, Xiaogang W, Jiaya J (2017) Pyramid scene parsing network
11.
Karen S, Andrew Z (2014) Very deep convolution networks for large-scale image recognition
12.
Sachin M, Mohammad R, Anat C, Linda S, Hannaneh H (2018) ESPNet: efficient spatial pyramid of dilated convolution for semantic segmentation
13.
Vladimir N, Chunhua S, Ian R (2018) Light-weight refinenet for real-time semantic segmentation
14.
Marius C, Mohamed O, Sebastian R, Timo R, Markus E, Rodrigo B, Uwe F, Stefan R, Bernt S (2016) The cityscapes dataset for semantic urban scene understanding
15.
Andreas G, Philip L, Christoph S, Raquel U (2013) Vision meets robotics: the KITTI dataset
Metadaten
Titel
Deep Semantic Segmentation for Self-driving Cars
verfasst von
Abhilash Sachin Kulkarni
Jyothi S. Nayak
Aditi Desai
Jahnavi Singh
Shraddha Murali
Copyright-Jahr
2021
Verlag
Springer Singapore
Buch
Advances in Signal and Data Processing

Print ISBN: 978-981-15-8390-2

Electronic ISBN: 978-981-15-8391-9

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-981-15-8391-9_1

Neuer Inhalt

    Bildnachweise