典型文献
基于改进的DeeplabV3+模型的车道线检测方法
文献摘要：
为兼顾车道线检测的准确性与实时性,本文提出一种基于改进的DeeplabV3+模型的车道线检测方法.首先通过水平翻转、改变图像的亮度、饱和度等方法对车道线图像进行数据增广,加强模型对于眩光、车道线破损情况下长直型、大曲率车道线的泛化能力.其次将模型的主干网络更换为轻量级的MobilenetV2网络,提高模型训练速度,并依据车道线图像特点改进ASPP结构,合理设计组合多采样率空洞卷积,提高模型对边缘车道线及远处车道线的预测效果,利用深度可分离卷积,减少模型参数量.最后本文依据车道线图像特点提出了双注意力机制DAMM结构,通过合理分配注意力资源,提高模型分割能力.实验表明,改进的DeeplabV3+模型像素精度为99.35％,平均交并比为86.08％,单图预测时间为22.62ms,说明改进DeeplabV3+模型兼顾准确性和实时性.
文献关键词：
车道线检测;DeeplabV3+;ASPP;注意力机制;数据增广
中图分类号：
作者姓名：
李景昂;马晨旭;韩永华;丁一凡;孙子昂;崔雨欣;余见楚
作者机构：
浙江理工大学信息科学与工程学院,浙江杭州 310018
文献出处：
引用格式：
[1]李景昂;马晨旭;韩永华;丁一凡;孙子昂;崔雨欣;余见楚-.基于改进的DeeplabV3+模型的车道线检测方法)[J].软件,2022(12):76-84
A类：
DAMM,62ms
B类：
DeeplabV3+,车道线检测,过水,亮度,数据增广,眩光,长直,大曲率,泛化能力,主干网络,轻量级,MobilenetV2,模型训练,训练速度,ASPP,合理设计,设计组,多采样率,空洞卷积,远处,深度可分离卷积,模型参数量,双注意力机制,合理分配,模型分割,像素,平均交并比,顾准
AB值：
0.299415
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。
