基于NVIDIA Jetson TX2的道路场景分割

图像语义分割是计算机视觉领域重要研究方向之一, 其中基于深度学习的语义分割相较于传统分割算法更为高效可靠, 可应用于交通监控、自动驾驶等领域的场景理解阶段. 但复杂的分割网络在嵌入式平台上的推理速度较低, 难以进行实际应用. 因此针对交通监控、无人驾驶等应用背景, 在嵌入式平台NVIDIA Jetson TX2上, 采用基于深度卷积编解码器结构的图像分割网络, 对道路场景进行语义分割, 并基于NVIDIA的推理加速器TensorRT2, 完成网络模型简化、网络自定义层添加与CUDA并行优化, 实现了对网络推理阶段的加速. 实验结果表明, 加速引擎在TX2上的推理速度约为原模型的10倍, 为复杂分割网络在嵌入式平台上的应用提供了支持.