科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
