典型文献
基于模型集成的高分辨率融合车道线检测算法
文献摘要：
针对无人机航拍视角下车道线形状复杂、细节特征易丢失、车道线前后景像素占比不均衡等问题,提出一种基于模型集成的高分辨率融合车道线检测算法.首先使用高分辨率融合结构和双线性插值算法改进全卷积神经网络的卷积模块和上采样模块;然后依据模型集成思想,使用改进后的模型结构作为车道线前后景语义分割模型及车道线多类别语义分割模型,用于分步骤解决车道线检测问题,并使用阈值化交叉熵损失函数和Lovasz损失函数组成联合损失函数对2种模型进行训练;最后使用局部色选区域生长算法为检测结果添补细节.实验结果表明,所提算法在自定义无人机航拍视角的15类车道线语义分割数据集中达到0.5484的平均交并比和0.9931的像素精度,在NVIDIA Tesla V100平台对分辨率为512?512的图像的检测速度达到23.08帧/s.
文献关键词：
卷积神经网络;高分辨率融合;车道线检测;数据不均衡;模型集成
中图分类号：
作者姓名：
袁鑫;江聪世
作者机构：
武汉大学遥感信息工程学院 武汉 430079
文献出处：
引用格式：
[1]袁鑫;江聪世-.基于模型集成的高分辨率融合车道线检测算法)[J].计算机辅助设计与图形学学报,2022(09):1402-1410
A类：
高分辨率融合
B类：
基于模型,模型集成,车道线检测,检测算法,无人机航拍,下车,线形,细节特征,后景,景像,像素,双线性插值,插值算法,算法改进,全卷积神经网络,卷积模块,上采样,样模,集成思想,模型结构,语义分割,分割模型,多类别,分步,检测问题,交叉熵损失函数,Lovasz,数组,联合损失函数,选区,区域生长算法,添补,自定义,中达,平均交并比,NVIDIA,Tesla,V100,检测速度,数据不均衡
AB值：
0.322418
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。
