基于深度学习的盲道和盲道障碍物识别算法 |
| |
引用本文: | 马文杰,张轩雄.基于深度学习的盲道和盲道障碍物识别算法[J].电子科技,2024(3):75-83. |
| |
作者姓名: | 马文杰 张轩雄 |
| |
作者单位: | 上海理工大学光电信息与计算机工程学院 |
| |
基金项目: | 国家自然科学基金(62276167)~~; |
| |
摘 要: | 盲道和盲道障碍物是影响盲人出行安全的重要因素,现有算法只对盲道分割和盲道障碍物检测单独处理,效率低且计算量大。针对上述问题,文中提出了一种基于深度学习的多任务识别算法。该算法通过骨干网络提取公共特征,将提取的特征经过SPP(Spatial Pyramid Pooling)和FPN(Feature Pyramid Networks)网络融合特征后,分别传入分割网络和检测网络完成盲道分割和盲道障碍物检测的任务。为了让盲道分割更平整,引入修正损失函数。为了提高障碍物检测召回率,将检测网络的NMS(Non Maximum Suppression)替换为Soft-NMS。实验结果表明,该算法分割部分MIoU(Mean Intersection over Union)、MPA(Mean Pixel Accuracy)分别达到了93.52%、95.29%,检测部分mAP(mean Average Precision)、mAP@0.5以及mAP@0.75分别达到了75.58%、91.58%和74.82%。相较于使用SegFormer网络进行盲道分割和RetinaNet网络进行盲道障碍物检测,该算法在精...
|
关 键 词: | 盲道分割 盲道障碍物检测 目标检测 图像分割 特征融合 Transformer 多任务学习 深度学习 |
|
|