使用空间语义改进Mask R-CNN的港口地面交通标志识别算法

扫码查看

原文链接

万方数据
维普

中文摘要：针对Mask R-CNN在多时段,复杂气候环境下识别地面标志物精度不理想,识别速度较慢的问题,提出了一种多任务分支结构的地面标志物识别算法,用于应对不同类型地面标志物的识别.通过新增轻量化的车道线识别任务分支,构建基于空间结构约束和差分约束的损失函数.使用特征金字塔网络提取多尺度的共用特征,拼接后的特征分别送入对应任务分支,在训练过程中通过增强的损失函数更新网络权重,最后各分支利用学习的权重输出识别结果.在光照不足时或阴雨天,标志物被污染等复杂工况下的港口数据集上实验,识别菱形地面标志精度为95.6％,与Mask R-CNN基本相同.车道线地面标志识别任务精度为93.4％,较Mask R-CNN提升17％,同时识别帧率提升2倍.

外文标题：Spatial semantic constrained port ground traffic sign recognition algorithm based on improved Mask R-CNN

作者：

王振国、黄旭东、吴翔、王华鲜、洪欣

展开 >

作者单位：

上海振华重工(集团)股份有限公司振华设计研究总院,上海 200125

同济大学电子与信息工程学院控制科学与工程系上海自主智能无人系统科学中心,上海 200092

关键词：

深度学习 ResNet Mask R-CNN 语义分割

基金：

浦东新区科技发展基金

项目编号：

PKX2019-R18

出版年：

2024

制造业自动化

北京机械工业自动化研究所

制造业自动化

CSTPCD

影响因子：0.482

ISSN：1009-0134

年,卷(期)：2024.46(1)

参考文献量14