期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于图像的道路语义分割检测方法
被引量：
2
1
作者
王碧瑶
韩毅
+6 位作者
崔航滨
刘毅超
任铭然
高维勇
陈姝廷
刘嘉巍
崔洋
《山东大学学报（工学版）》
CAS
CSCD
北大核心
2023年第5期37-47,共11页
针对现有语义分割网络模型在道路语义分割方面检测精度低、计算量大等问题,基于BiSeNet V2网络模型进行优化改进,引入一种高效的通道注意力(efficient channel attention,ECA)模块,在BiSeNet V2的语义分支和细节分支的每个阶段末端分别...
针对现有语义分割网络模型在道路语义分割方面检测精度低、计算量大等问题,基于BiSeNet V2网络模型进行优化改进,引入一种高效的通道注意力(efficient channel attention,ECA)模块,在BiSeNet V2的语义分支和细节分支的每个阶段末端分别加入ECA,得到ECA-Semantic-BiSeNet V2网络。使用实车采集道路图像数据进行标注并构建自采数据集,在Cityscapes数据集、KITTI数据集及自采数据集上分别对改进前后的网络模型进行试验验证。试验结果表明,与BiSeNet V2模型方法相比,本研究方法在Cityscapes数据集上MIoU提高14.01%,在KITTI数据集上MIoU提高1.86%,同时在BiSeNet V2的语义分支加入ECA后运算量增加0.02 GFlops的条件下,模型推理速度提高了7.82帧/s。
展开更多
关键词
语义分割
深度学习
bisenet
v
2
车道线检测
注意力机制
原文传递
基于图像识别的弓网接触点检测方法
2
作者
李凡
杨杰
+2 位作者
冯志成
陈智超
付云骁
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2024年第9期1801-1810,共10页
针对现有受电弓-接触网(弓网)接触点检测方法无法兼顾实时性与准确性的问题,提出两阶段快速检测方法.在第1阶段提出基于改进BiSeNet v2的弓网区域分割算法.采用浅层特征共享机制将细节分支提取的浅层特征送入语义分支中获取高层语义信息...
针对现有受电弓-接触网(弓网)接触点检测方法无法兼顾实时性与准确性的问题,提出两阶段快速检测方法.在第1阶段提出基于改进BiSeNet v2的弓网区域分割算法.采用浅层特征共享机制将细节分支提取的浅层特征送入语义分支中获取高层语义信息,减少冗余参数;将压缩激励注意力模块嵌入网络中,增强重要通道信息;加入金字塔池化模块提取多尺度特征,提高模型精度.在第2阶段,基于分割结果,使用直线拟合和位置校正实现接触点的检测.实验结果表明,所提分割算法精度为87.50%,浮点运算数为6.73 G,在CPU(Intel Core I9-12900)和JETSON TX2上推理速度分别为49.80、12.60帧/s.所提检测方法在弓网仿真平台和双源智能重卡的弓网系统中进行实验,实验结果表明,该方法能够有效检测弓网接触点.
展开更多
关键词
语义分割
bisenet
v
2
直线拟合
受电弓-接触网系统
深度学习
下载PDF
职称材料
题名
基于图像的道路语义分割检测方法
被引量：
2
1
作者
王碧瑶
韩毅
崔航滨
刘毅超
任铭然
高维勇
陈姝廷
刘嘉巍
崔洋
机构
长安大学汽车学院
出处
《山东大学学报（工学版）》
CAS
CSCD
北大核心
2023年第5期37-47,共11页
基金
国家重点研发计划资助项目(2021YFB2601000)
中央高校基本科研业务费专项资金—长安大学优秀博士学位论文培育资助项目(300203211221)
陕西省秦创原队伍建设资助项目(2022KXJ-021)。
文摘
针对现有语义分割网络模型在道路语义分割方面检测精度低、计算量大等问题,基于BiSeNet V2网络模型进行优化改进,引入一种高效的通道注意力(efficient channel attention,ECA)模块,在BiSeNet V2的语义分支和细节分支的每个阶段末端分别加入ECA,得到ECA-Semantic-BiSeNet V2网络。使用实车采集道路图像数据进行标注并构建自采数据集,在Cityscapes数据集、KITTI数据集及自采数据集上分别对改进前后的网络模型进行试验验证。试验结果表明,与BiSeNet V2模型方法相比,本研究方法在Cityscapes数据集上MIoU提高14.01%,在KITTI数据集上MIoU提高1.86%,同时在BiSeNet V2的语义分支加入ECA后运算量增加0.02 GFlops的条件下,模型推理速度提高了7.82帧/s。
关键词
语义分割
深度学习
bisenet
v
2
车道线检测
注意力机制
Keywords
semantic
segmentation
deep
learning
bisenet
v
2
lane
detection
attention
mechanism
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
基于图像识别的弓网接触点检测方法
2
作者
李凡
杨杰
冯志成
陈智超
付云骁
机构
江西理工大学电气工程与自动化学院
江西省磁悬浮技术重点实验室
中车工业研究院有限公司
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2024年第9期1801-1810,共10页
基金
国家自然科学基金资助项目(62063009).
文摘
针对现有受电弓-接触网(弓网)接触点检测方法无法兼顾实时性与准确性的问题,提出两阶段快速检测方法.在第1阶段提出基于改进BiSeNet v2的弓网区域分割算法.采用浅层特征共享机制将细节分支提取的浅层特征送入语义分支中获取高层语义信息,减少冗余参数;将压缩激励注意力模块嵌入网络中,增强重要通道信息;加入金字塔池化模块提取多尺度特征,提高模型精度.在第2阶段,基于分割结果,使用直线拟合和位置校正实现接触点的检测.实验结果表明,所提分割算法精度为87.50%,浮点运算数为6.73 G,在CPU(Intel Core I9-12900)和JETSON TX2上推理速度分别为49.80、12.60帧/s.所提检测方法在弓网仿真平台和双源智能重卡的弓网系统中进行实验,实验结果表明,该方法能够有效检测弓网接触点.
关键词
语义分割
bisenet
v
2
直线拟合
受电弓-接触网系统
深度学习
Keywords
semantic
segmentation
bisenet
v
2
linear
fitting
pantograph-catenary
system
deep
learning
分类号
U229 [交通运输工程—道路与铁道工程]
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于图像的道路语义分割检测方法
王碧瑶
韩毅
崔航滨
刘毅超
任铭然
高维勇
陈姝廷
刘嘉巍
崔洋
《山东大学学报（工学版）》
CAS
CSCD
北大核心
2023
2
原文传递
2
基于图像识别的弓网接触点检测方法
李凡
杨杰
冯志成
陈智超
付云骁
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
