CARU-BA:基于改进U-Net的双向特征融合轨道分割算法

摘要

针对传统轨道图像检测方法存在的准确率低、鲁棒性差、易受环境因素影响等缺陷，提出了一种基于深度神经网络的轨道分割算法.该算法采用U型编解码架构，以残差网络ResNet50为编码器，U-Net上采样为解码器.为获取轨道在图像中的位置信息，引入坐标注意力模块，同时，开发双向聚合模块，以提取轨道边缘的局部信息.在自有轨道视频数据集、模拟自动驾驶数据集和VOC2007数据集上对算法的性能进行评估，结果表明，该算法在3种数据集上的mPA值分别为98.78%、89.80%和85.86%,mIoU值分别为97.59%、83.01%和80.15%,mP值分别为98.76%、89.79%和89.74%,优于现有的主流分割模型，可实现高精度的轨道分割.

关键词

残差网络 / 卷积神经网络 / 轨道分割 / 特征聚合 / 坐标注意力