典型文献
基于卷积神经网络的多分支轨道区域检测算法
文献摘要：
本文针对轨道区域检测问题,基于深度学习和传统算法,提出了一种多分支的轨道区域检测方法.该方法通过语义分割、实例分割、分类网络以及多边形拟合算法获取轨道区域信息.首先定义了一种多尺度输入的方式,通过跳跃连接融合不同层次的信息;改进了空洞空间金字塔池化模块,在简化并联的空洞卷积支路的同时,减少了上下文语义信息的丢失;最后改进多边形拟合算法,进一步优化输出结果.实验结果表明,该方法在SaQiang数据集上MIoU指标可达94.54％、MPA指标可达95.19％,与LaneNet和SegNet相比,在相近的精度下,每一帧的处理耗时分别缩减了44 ms和66 ms,表明该方法能够在轨道交通多种复杂的场景下,实现高效的轨道区域检测.
文献关键词：
轨道区域检测;深度学习;图像分割;辅助驾驶;智能交通;多尺度
中图分类号：
作者姓名：
陈雨润;张轩雄
作者机构：
上海理工大学 光电信息与计算机工程学院,上海200093
文献出处：
引用格式：
[1]陈雨润;张轩雄-.基于卷积神经网络的多分支轨道区域检测算法)[J].智能计算机与应用,2022(08):20-26
A类：
轨道区域检测,SaQiang,LaneNet
B类：
多分支,检测算法,检测问题,传统算法,语义分割,实例分割,分类网络,多边形,拟合算法,区域信息,多尺度输入,跳跃连接,不同层次,空洞空间金字塔池化模块,空洞卷积,支路,上下文语义,语义信息,输出结果,MIoU,MPA,SegNet,一帧,ms,在轨,图像分割,辅助驾驶,智能交通
AB值：
0.311023
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。
