期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进SegNet算法的车道线检测方法
被引量：
22
1
作者
邓天民
王琳
+1 位作者
杨其芝
周臻浩
《科学技术与工程》
北大核心
2020年第36期14988-14993,共6页
无人驾驶车辆在结构化道路中需要通过车道线判断自身位置,为提高其检测的实时性与准确性,提出一种利用改进分割网络(segmentation network,SegNet)算法与连通域约束相结合的方法实现车道线检测识别。将对称的SegNet算法改为非对称结构...
无人驾驶车辆在结构化道路中需要通过车道线判断自身位置,为提高其检测的实时性与准确性,提出一种利用改进分割网络(segmentation network,SegNet)算法与连通域约束相结合的方法实现车道线检测识别。将对称的SegNet算法改为非对称结构对车道线作逐像素提取:利用卷积与池化提取车道线特征,摒弃传统的车道线聚类过程,利用二值化图像结合连通域约束与关联对车道特征点进行分类,最后对相同类别的车道特征点进行车道线拟合。将该改进的SegNet算法在CULane数据集和TuSimple数据集上进行了训练与测试,结果表明:对车道分割准确、实时处理能力优秀,检测识别效果优于传统SegNet网络算法,其平均检测精度为94.60%,每帧检测耗时提升53 ms。
展开更多
关键词
无人驾驶
辅助驾驶
深度学习
卷积神经网络
语义分割
segnet
网络
车道线检测
在线阅读
下载PDF
职称材料
基于改进SegNet网络的障碍物检测算法研究
被引量：
1
2
作者
胡均平
张洪伟
+1 位作者
黄强
向思平
《计算机应用与软件》
北大核心
2024年第5期212-217,225,共7页
为了提高自动驾驶车辆的多类障碍物检测的精度,提出一种改进的SegNet神经网络算法。该算法在SegNet网络的基础上结合残差网络和多尺度融合算法,提高分类的准确性。对网络训练策略进行改进,采用自设置对比度归一化算法、学习率调整算法...
为了提高自动驾驶车辆的多类障碍物检测的精度,提出一种改进的SegNet神经网络算法。该算法在SegNet网络的基础上结合残差网络和多尺度融合算法,提高分类的准确性。对网络训练策略进行改进,采用自设置对比度归一化算法、学习率调整算法和类平衡算法提高网络的鲁棒性和收敛速度。通过在不同场景下进行实验,结果表明,相较于SegNet神经网络,改进后的SegNet神经网络的像素平均精度(PPA)从85%提高至97%;平均交并比(MIOU)从76%提升至90%。
展开更多
关键词
自动驾驶
障碍物检测
segnet
网络
残差网络
多尺度融合算法
在线阅读
下载PDF
职称材料
基于SegNet语义模型的高分辨率遥感影像农村建设用地提取
被引量：
63
3
作者
杨建宇
周振旭
+3 位作者
杜贞容
许全全
尹航
刘瑞
《农业工程学报》
EI
CAS
CSCD
北大核心
2019年第5期251-258,共8页
针对传统分类算法、浅层学习算法不适用于高空间分辨率遥感影像中农村建筑物信息提取的问题,该文以河北省霸州市高空间分辨率遥感影像WorldView-2为数据源,利用182 064幅128×128像素大小的影像切片为训练样本,选取基于深度卷积神...
针对传统分类算法、浅层学习算法不适用于高空间分辨率遥感影像中农村建筑物信息提取的问题,该文以河北省霸州市高空间分辨率遥感影像WorldView-2为数据源,利用182 064幅128×128像素大小的影像切片为训练样本,选取基于深度卷积神经网络的SegNet图像语义分割算法对遥感影像中的农村建筑物进行提取,并与传统分类算法中的最大似然法(maximum likelihood,ML)和ISO聚类、浅层学习算法中的支持向量机(support vector machine,SVM)和随机森林(random forest,RF)以及深层语义分割算法中的金字塔场景解析网络(pyramid scene parsing network,PSPNet)的试验结果作对比分析。研究结果表明:SegNet不仅能够高效利用高空间分辨率遥感影像中农村建筑物的光谱信息而且还能够充分利用其丰富的空间特征信息,最终形成较好的分类模型,该算法在验证样本中的分类总体精度为96.61%,Kappa系数为0.90,建筑物的F1值为0.91,其余5种分类算法的总体精度、Kappa系数、建筑物的F1值都分别在94.68%、0.83、0.87以下。该研究可以为高空间分辨率遥感影像农村建设用地提取研究提供参考。
展开更多
关键词
遥感
图像分割
算法
深度学习
segnet
语义分割模型
高空间分辨率遥感影像
农村建设用地提取
在线阅读
下载PDF
职称材料
题名
基于改进SegNet算法的车道线检测方法
被引量：
22
1
作者
邓天民
王琳
杨其芝
周臻浩
机构
重庆交通大学交通运输学院
出处
《科学技术与工程》
北大核心
2020年第36期14988-14993,共6页
基金
国家自然科学基金(51678099)
重庆市科学技术委员会科技人才培养计划(CSTC2013KJRC-QNRC0148)。
文摘
无人驾驶车辆在结构化道路中需要通过车道线判断自身位置,为提高其检测的实时性与准确性,提出一种利用改进分割网络(segmentation network,SegNet)算法与连通域约束相结合的方法实现车道线检测识别。将对称的SegNet算法改为非对称结构对车道线作逐像素提取:利用卷积与池化提取车道线特征,摒弃传统的车道线聚类过程,利用二值化图像结合连通域约束与关联对车道特征点进行分类,最后对相同类别的车道特征点进行车道线拟合。将该改进的SegNet算法在CULane数据集和TuSimple数据集上进行了训练与测试,结果表明:对车道分割准确、实时处理能力优秀,检测识别效果优于传统SegNet网络算法,其平均检测精度为94.60%,每帧检测耗时提升53 ms。
关键词
无人驾驶
辅助驾驶
深度学习
卷积神经网络
语义分割
segnet
网络
车道线检测
Keywords
driverless
assisted driving
deep learning
convolutional neural network
semantic segmentation
segnet algorithm
lane line detection
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于改进SegNet网络的障碍物检测算法研究
被引量：
1
2
作者
胡均平
张洪伟
黄强
向思平
机构
中南大学机电工程学院
出处
《计算机应用与软件》
北大核心
2024年第5期212-217,225,共7页
基金
国家自然科学基金项目(51175518)
湖南省科技型中小企业技术创新基金资助项目(12C26214305029)。
文摘
为了提高自动驾驶车辆的多类障碍物检测的精度,提出一种改进的SegNet神经网络算法。该算法在SegNet网络的基础上结合残差网络和多尺度融合算法,提高分类的准确性。对网络训练策略进行改进,采用自设置对比度归一化算法、学习率调整算法和类平衡算法提高网络的鲁棒性和收敛速度。通过在不同场景下进行实验,结果表明,相较于SegNet神经网络,改进后的SegNet神经网络的像素平均精度(PPA)从85%提高至97%;平均交并比(MIOU)从76%提升至90%。
关键词
自动驾驶
障碍物检测
segnet
网络
残差网络
多尺度融合算法
Keywords
Autonomous driving
Obstacle detection
segnet
network
Residual network
Multiscale fusion
algorithm
分类号
TP394.1 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于SegNet语义模型的高分辨率遥感影像农村建设用地提取
被引量：
63
3
作者
杨建宇
周振旭
杜贞容
许全全
尹航
刘瑞
机构
中国农业大学土地科学与技术学院
国土资源部农用地质量与监控重点实验室
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2019年第5期251-258,共8页
基金
国土资源部公益性行业科研专项(201511010-06)
文摘
针对传统分类算法、浅层学习算法不适用于高空间分辨率遥感影像中农村建筑物信息提取的问题,该文以河北省霸州市高空间分辨率遥感影像WorldView-2为数据源,利用182 064幅128×128像素大小的影像切片为训练样本,选取基于深度卷积神经网络的SegNet图像语义分割算法对遥感影像中的农村建筑物进行提取,并与传统分类算法中的最大似然法(maximum likelihood,ML)和ISO聚类、浅层学习算法中的支持向量机(support vector machine,SVM)和随机森林(random forest,RF)以及深层语义分割算法中的金字塔场景解析网络(pyramid scene parsing network,PSPNet)的试验结果作对比分析。研究结果表明:SegNet不仅能够高效利用高空间分辨率遥感影像中农村建筑物的光谱信息而且还能够充分利用其丰富的空间特征信息,最终形成较好的分类模型,该算法在验证样本中的分类总体精度为96.61%,Kappa系数为0.90,建筑物的F1值为0.91,其余5种分类算法的总体精度、Kappa系数、建筑物的F1值都分别在94.68%、0.83、0.87以下。该研究可以为高空间分辨率遥感影像农村建设用地提取研究提供参考。
关键词
遥感
图像分割
算法
深度学习
segnet
语义分割模型
高空间分辨率遥感影像
农村建设用地提取
Keywords
remote sensing
image segmentation
algorithm
s
deep learning
segnet
semantic segmentation model
high-resolution remote sensing image
rural construction land extraction
分类号
S127 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进SegNet算法的车道线检测方法
邓天民
王琳
杨其芝
周臻浩
《科学技术与工程》
北大核心
2020
22
在线阅读
下载PDF
职称材料
2
基于改进SegNet网络的障碍物检测算法研究
胡均平
张洪伟
黄强
向思平
《计算机应用与软件》
北大核心
2024
1
在线阅读
下载PDF
职称材料
3
基于SegNet语义模型的高分辨率遥感影像农村建设用地提取
杨建宇
周振旭
杜贞容
许全全
尹航
刘瑞
《农业工程学报》
EI
CAS
CSCD
北大核心
2019
63
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
