面向轨道分割与侵入物检测的多任务学习

作者：张硕; 杨诗茵; 孙博宇; 许云飞; 沈昊; 吕永家; 贾云鹏; 邢会明; 赵新华

来源：计算机系统应用, 2023, 32(07): 188-194.

DOI：10.15888/j.cnki.csa.009089

• 铁路侵入物检测
• 多任务学习算法
• 目标检测

轨道车智能防护会涉及轨道车侵入物检测与行驶区域分割任务,在深度学习领域已有针对各任务的算法,却无法很好满足多任务情形时的需求.该算法使用轻量级卷积神经网络(CNN)作为编码器提取特征图,随之将特征图送到两个基于one-stage检测网络的解码器中,进而完成各自的任务.不同级别和尺度的语义特征在编码器输出的特征图中被融合,良好地完成像素级语义预测,在检测和分割效果上有明显提升.采用本算法的设备将掌握对新目标的识别检测判断与追踪,为提升轨道车行驶安全做出保障.

• 单位
  哈尔滨工程大学