-
题名递归门控增强与金字塔预测的铁路全景分割
- 1
-
-
作者
陈永
周方春
张娇娇
-
机构
兰州交通大学电子与信息工程学院
甘肃省人工智能与图形图像处理工程研究中心
-
出处
《北京航空航天大学学报》
北大核心
2025年第7期2229-2239,共11页
-
基金
国家自然科学基金(62462043,61963023)
兰州交通大学重点研发项目(ZDYF2304)。
-
文摘
针对高速铁路场景全景分割时存在目标特征提取不充分、边缘轮廓分割模糊等问题,提出了一种递归门控增强与金字塔预测的铁路全景分割网络。在DETR模型的基础上,构建改进多尺度级联CSP-DarkNet53特征提取网络,提升对不同尺度的铁路场景目标特征提取能力;提出递归门控与类特征增强模块,获取更丰富的边缘特征信息,增强对边缘轮廓信息的提取和分割的能力;将多尺度可变形注意力引入编码骨干网络中,进一步捕获多尺度上下文信息,减少分割细节特征丢失;通过改进金字塔预测与像素类别分割模块,实现铁路全景的分割输出。实验结果表明:相比于原始DETR模型,所提方法的全景分割质量指标PQ提升了7.4%,前景实例目标评价指标PQ^(Th)提升了9.7%,背景填充区域质量评价指标PQ^(St)提升了6.6%。所提方法在铁路场景下图像全景分割具有较好的性能,主观评价均优于对比方法。
-
关键词
全景分割
DETR
递归门控增强
金字塔预测
高速铁路
-
Keywords
panoramic segmentation
DETR
recursive gating enhancement
pyramid prediction
high-speed railway
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
