典型文献
基于改进Mask R-CNN+LaneNet的车载图像车辆压线检测
文献摘要：
针对辅助驾驶或自动驾驶领域车载图像的车辆压线检测问题,以及检测过程中由于欠曝、阴影或实体遮挡等因素导致的漏检、误检问题,提出基于改进Mask R-CNN与LaneNet的车辆压线检测算法.在网络优化方面,在Mask R-CNN网络的基础上将RoI Align层的图像缩放算法(双线性插值)改进为双三次插值,将全连接层卷积化的VGG16网络取代LaneNet的E-Net共享解码器;在图像增强方面,改进Gamma校正算法以实现欠曝图像的自动校正;在训练数据方面,完成Tusimple数据集中车辆目标的标注并基于改进的随机擦除算法在网络训练过程中进行数据增强.实验结果表明:车辆检测速度保持不变的同时车道线检测速度提升了28％,车辆漏检率、误检率分别降低了38.93％,89.04％,车道线漏检率、误检率分别降低了67.21％,87.05％,算法的性能指标可满足车辆压线判断的应用需求.
文献关键词：
图像校正;实例分割;车道线检测;数据增强;压线检测
中图分类号：
作者姓名：
孙建波;张叶;常旭岭
作者机构：
中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室,吉林长春130033;中国科学院大学,北京100049
文献出处：
引用格式：
[1]孙建波;张叶;常旭岭-.基于改进Mask R-CNN+LaneNet的车载图像车辆压线检测)[J].光学精密工程,2022(07):854-868
A类：
CNN+LaneNet,压线检测,LaneNet
B类：
Mask,车载图像,辅助驾驶,自动驾驶,检测问题,检测过程,阴影,遮挡,检测算法,网络优化,上将,RoI,Align,图像缩放,双线性插值,双三次插值,全连接层,VGG16,解码器,图像增强,Gamma,校正算法,自动校正,训练数据,Tusimple,随机擦除,网络训练,训练过程,数据增强,车辆检测,检测速度,速度保持,车道线检测,漏检率,误检率,应用需求,图像校正,实例分割
AB值：
0.389774
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。
