科研之友
微信
新浪微博
Facebook
分享链接
摘要
雪、冰或潮湿等道路状况对驾驶安全构成重大威胁，为了及时准确获取路面状况信息，需要有一种可靠的自动路面类型分割模型。以UNet++分割模型为基础进行优化，提出一种并行注意力路面分割网络。首先，在编码阶段构造了并行CBAM残差块，引入空间注意模块与通道注意模块有助于细化特征映射并提高性能。其次，将CBAM通道注意力模块替换为ECA-NET模块，使用一维卷积代替CBAM的降维/升级机制来减少网络参数的数量。以适度的网络预测速度下降为代价，提升了分割性能。在构造的道路数据集上进行算法测试，实验结果表明所提方法的平均交并比值为90.2，在GTX2080Ti GPU设备上平均运行时间为67ms，符合一般行车对道路状况信息的实时性需求。
-
单位武汉理工大学; 上汽通用五菱汽车股份有限公司; 现代汽车零部件技术湖北省重点实验室
