基于卷积神经网络的多分支轨道区域检测算法

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.

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

所属期刊栏目：12

分类号：TP389(计算技术、计算机技术)

资助基金：上海市自然科学基金20ZR1437900

在线出版日期：2022-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：20-26