国外相关论文,持续更新
道路坑洼检测:从注意力聚合到对抗性域适应
由认证检查员执行的手动目视检查仍然是主要的 道路坑洼检测的形式。然而,这个过程不仅乏味, 耗时且昂贵,但对检查员来说也很危险。此外 道路坑洼检测结果总是主观的,因为它们取决于 完全基于个人经验。我们最近引入的差异(或 反深度)变换算法允许更好地区分 受损和未损坏的道路区域,并且可以轻松部署到任何语义 分段网络以获得更好的道路坑洼检测结果。为了提高 性能,我们提出了一种新的注意力聚合(AA)框架,该框架 利用不同类型的注意力模块的优势。此外,我们 开发基于对抗的有效训练集增强技术 域适配,其中合成道路RGB图像和转换道路 生成视差(或反深度)图像以增强 语义分割网络。实验结果表明, 首先,变换后的视差(或反深度)图像变得更多 信息;其次,AA-UNet和AA-RTFNet,我们表现最好的 实现分别优于所有其他最先进的实现 用于道路坑洼检测的单模态和数据融合网络;最后, 基于对抗域自适应的训练集增强技术 不仅提高了最先进的语义分割的准确性 网络,也加速了它们的融合。文章来源地址https://www.toymoban.com/news/detail-741540.html
文章来源:https://www.toymoban.com/news/detail-741540.html
到了这里,关于2023年MathorCup大数据竞赛:基于计算机视觉的坑洼道路检测和识别的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!