方向感知与双域解耦的坑洼语义分割方法OA
在智能驾驶场景中,高效且鲁棒性强的路面坑洼语义分割方法对于提升行车安全性至关重要。受天气变化、复杂路面纹理的影响,现有语义分割方法难以在实时性、精确度和鲁棒性之间实现有效平衡。为了解决这一问题,提出了一种基于方向感知稀疏注意和双域特征解耦的坑洼语义分割方法。首先,使用高、低层特征双分支分离结构,在空间分支中实现坑洼边缘-纹理特征解耦,以增强坑洼区域的边缘感知能力,放大其与周围背景的纹理差异;其次,提出了方向感知稀疏注意力机制,通过多方向卷积与动态稀疏化操作相结合的方法(D3ANet),抑制背景噪声并加强坑洼区域的方向性特征表示。在SYN-UDTIRI数据集上的实验结果表明,在保持较高实时性的基础上,与BiSeNet相比,该方法的交并比提升4.19%。实验验证,该方法在多种复杂场景中具有较高的精度和较强的鲁棒性,满足了智能驾驶应用对实时性和精确度的双重要求。
刘学涵;雷亮;徐山雯;赵锦;周华勇;陈毅;李亚轩
重庆科技大学计算机科学与工程学院,重庆401331重庆科技大学计算机科学与工程学院,重庆401331重庆科技大学计算机科学与工程学院,重庆401331重庆科技大学计算机科学与工程学院,重庆401331重庆科技大学计算机科学与工程学院,重庆401331重庆科技大学计算机科学与工程学院,重庆401331 重庆城市管理职业学院大数据与信息产业学院,重庆401331重庆科技大学计算机科学与工程学院,重庆401331
信息技术与安全科学
智能驾驶路面坑洼检测实时语义分割注意力机制特征解耦
《重庆科技大学学报(自然科学版)》 2026 (3)
P.40-51,12
重庆市教育委员会科学技术研究项目“基于YOLO-Pose姿态特征检测融合时序的独居老人跌倒识别算法研究”(KJQN202303305),“基于人体姿态估计融合时序特征的交警指挥手势识别方法研究”(KJQN202503307)。
评论