Preliminary processing of images

Abstract

В работе рассмотрена задача семантической сегментации снимков, сделанных закрепленной на автомобиле камерой в процессе движения. Изображение необходимо сегментировать на основные объекты, встречающиеся во время движения автомобиля: машина, автобус, пешеход и т.д. В качестве модели для сегментации используются глубокие сверточные нейронные сети (ГСНС). Предметом данного исследования является изучение и построение такой архитектуры, которая позволит получить результат с высокой точностью и не будет требовательна к большому количеству вычислительных мощностей в процессе обучения. Поэтому применяется метод тонкой настройки уже обученной сети, а именно адаптация модели DeepLabV3+ под текущую задачу.

In this work, the author presents the task of semantic segmentation of photos taken by camera fixed on the car during driving. The image needs to be segmented into the main objects encountered during driving, such as a car, a bus, a pedestrian, etc. The model for segmentation is based on deep convolutional neural network (DCNN). The main subject of this research is the construction of such architecture that will give high accurate results and won't require large amount of computational resources for learning process. In this paper, the author applies fine-tune method of already trained network, namely the adaptation of the DeepLabV3+ model for the current task.