典型文献
基于改进SegNet模型的斑马线检测方法研究
文献摘要：
为了改善现有斑马线检测精度低、检测不全面及实时性差等多重问题,提出了一种改进的SegNet语义分割模型进行斑马线检测,使其更适应于辅助驾驶系统中的预警场景,为无人驾驶车辆提供帮助.以语义分割中的原始SegNet模型为基础,首先将SegNet模型的特征提取网络部分进行改进,融入金字塔池化模块,进行多方面特征提取,获取上下文全局信息,达到减少斑马线细节信息丢失的目的;然后将模型对称的结构改为编码不变、解码减少的不对称结构,减少网络参数,增设细节处理,精准检测斑马线像素点位置,有效地提高了检测准确率和实时性.对获取到的斑马线图像进行亮度增强、添加噪声、图像翻转等随机转换方式来扩充采集的斑马线图像样本,使斑马线图像样本满足各种语义分割模型检测需求.在扩充后的斑马线数据集上进行试验,以精确率,召回率,F1值为检测精度评价标准,以运行时间为实时性评价标准,将改进SegNet模型分别与原始SegNet模型,U-Net模型,PSPNet模型进行对比.改进SegNet模型检测斑马线精度达到了97.6％,与其他模型相比检测精度得到有效提高,且运行速度加快,满足当前实时性检测的需求.因此改进SegNet模型检测斑马线更全面,可应用于辅助驾驶系统中.
文献关键词：
智能交通;斑马线检测;SegNet模型;金字塔池化;语义分割
中图分类号：
作者姓名：
付阳阳;陶建军;王夏黎;李妮妮;袁绍欣
作者机构：
长安大学 信息工程学院, 陕西 西安 710064;绍兴市交通建设有限公司, 浙江 绍兴 312000
文献出处：
引用格式：
[1]付阳阳;陶建军;王夏黎;李妮妮;袁绍欣-.基于改进SegNet模型的斑马线检测方法研究)[J].公路交通科技,2022(04):117-122,149
A类：
斑马线检测
B类：
SegNet,检测精度,语义分割,分割模型,应于,辅助驾驶系统,无人驾驶车辆,特征提取网络,网络部,金字塔池化模块,多方面特征,上下文,全局信息,细节信息,信息丢失,解码,不对称结构,网络参数,细节处理,精准检测,像素点,检测准确率,取到,亮度增强,图像翻转,转换方式,像样,模型检测,精确率,召回率,精度评价,运行时间,PSPNet,运行速度,智能交通
AB值：
0.258312
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
