结合多尺度条件生成对抗网络的井下轨道检测
目的 传统的轨道检测算法受环境干扰因素大导致检测效率低,基于卷积神经网络(CNN)算法的轨道检测结果缺乏对于对象的细腻、独特刻画且过多依赖可视化后处理技术,因此本文提出一种结合多尺度信息的条件生成对抗网络(CGAN)轨道线检测算法.方法 在生成器网络中采用多粒度结构将生成器分解为全局和局部两个部分;在判别器网络中采用多尺度共享卷积结构,进一步监督生成器的训练;引入蒙特卡罗搜索技术通过对生成器的中间状态进行搜索,并将结果再送入到判别器中进行对比.结果 在井下巷道场景测试集中,本文方法取得了82.43％像素精度和0.621 8的平均交并比,并且对轨道的检测可以达到95.01％的准确率;与现有的语义分割的算法相比,表现出了优越性.结论 本文方法能够有效应用于井下复杂环境,一定程度上解决了传统的图像处理算法和卷积神经网络算法存在的问题,从而有效服务于井下自动驾驶.
轨道检测、条件生成对抗网络、多尺度信息、蒙特卡洛搜索、井下自动驾驶
25
TP391.7(计算技术、计算机技术)
国家重点研发计划专项项目;安徽省重点研发计划项目
2020-06-22（万方平台首次上网日期，不代表论文的发表时间）
共12页
282-293
