典型文献
基于改进掩膜循环卷积神经网络的沥青路面积水分布检测
文献摘要：
针对传统的掩膜循环卷积神经网络(Mask R-CNN)在检测和分割积水区域时过度重视对区域的分割,忽视了边界分割的问题,在传统Mask R-CNN模型中添加以拉普拉斯(Laplacian)算子为基准构建的边界加权损失函数,得到改进的Mask R-CNN模型,同时以残差网络(ResNet)作为特征提取网络,采用迁移学习的方法,使用自建的1 753张路面积水图像进行训练,以查准率与查全率的加权调和平均值F1和雅卡尔(Jaccard)系数作为评价指标.结果表明,改进的模型F1和雅卡尔系数分别为89.23％和81.46％,在不同积水区域、不同环境下,所提出的方法识别准确率和分割精度较高,能够为无人驾驶车辆提供路面积水信息的技术支持.
文献关键词：
沥青路面;积水检测;掩膜循环卷积神经网络;实例分割
中图分类号：
[2]
交通运输（U）
/
公路运输（U4）
/
道路工程（U41）
/
路基、路面工程（U416）
/
路面工程（U416.2）
/
路面：按使用材料分（U416.21）
/
沥青路面（U416.217）
作者姓名：
杨炜;常晓博;刘哲;屈晓磊
作者机构：
长安大学,西安710061;北京航空航天大学,北京100191
文献出处：
引用格式：
[1]杨炜;常晓博;刘哲;屈晓磊-.基于改进掩膜循环卷积神经网络的沥青路面积水分布检测)[J].汽车技术,2022(08):47-53
A类：
掩膜循环卷积神经网络,积水检测
B类：
沥青路面,路面积水,积水分布,Mask,积水区,界分,拉普拉斯,Laplacian,基准构建,加权损失函数,残差网络,ResNet,特征提取网络,迁移学习,查准率,查全率,调和平均,Jaccard,不同环境,方法识别,识别准确率,无人驾驶车辆,实例分割
AB值：
0.259023
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
