改进的多任务道路特征提取网络及权重优化

为应对自动驾驶在复杂道路环境下的挑战,提出了多项任务合作的需求。在自然语言处理及推荐算法领域,利用多任务学习网络已被证明可以减少多种任务耦合情况下的时间、算力及存储使用。由于多任务学习网络的这种特点,近年来也开始应用于基于视觉的道路特征提取方面。本文提出了一种结合FPN网络的解码器头结构,并将其应用于基于YOLOv4网络的多任务学习道路特征提取网络;通过研究多任务权重设置的影响对多任务网络算法进行优化,并在同类算法中验证了权重设置的有效性。在BDD-100K数据集上进行的试验结果表明,本文结构在保证实时性的同时精度也优于同类方法,本文方法为基于视觉的自动驾驶过程中车辆的自主道路感知及高精地图的生成提供了新思路与新方法。

小波变换在遥感影像道路特征提取中的应用

遥感影像中的信息提取一直是图像处理的研究热点之一,阐述了在道路特征提取方面的一些经验。鉴于小波变换是检测边缘的良好工具,并结合边界跟踪,最终成功完成了道路特征的提取。

从遥感影像提取道路特征的方法综述与展望

从遥感影像中提取道路特征已有许多研究 ,但仍存在许多问题有待解决。本文探讨了道路特征提取的基本思想 ,对道路特征提取的基本方法和现状进行了较全面的综述 ,介绍了具有代表性的特征提取方法 ,并对各个方法的特点进行了分析 ,最后对道路特征提取的研究前景进行了展望。

高分辨率遥感影像道路提取技术研究与展望

对道路特征提取的基本思想和方法进行了探讨,对国内外最新研究状况进行了较全面的综述,介绍了具有代表性的特征提取算法,并对道路特征提取的进一步发展提出了分析和展望。

高分遥感影像中道路信息提取方法综述

阐述了道路信息提取的重要性和一般步骤及基本思路,通过对高分辨率遥感图像中道路信息提取方法利用道路特征的不同进行了分类整理,并对经典方法进行分析,希望能对找到一种具有普适性的道路提取方法起到事半功倍的效果。在此基础上结合当前科技发展的方向,从道路提取的基本思想出发,对道路特征提取研究的前景做出展望。

高分辨率遥感影像道路提取方法综述

从高分辨率影像中提取道路特征信息已成为当前的一个研究热点,首先阐述了道路特征和道路提取的思想,并对研究现状进行了分析,列举了具有代表性的特征提取方法,并对各个方法的特点进行了分析,最后对道路特征提取的研究前景进行了展望。

IKONOS 1m城市图像中道路信息提取方法研究

从遥感图像中提取道路特征已有许多研究,但仍然存在许多问题有待解决。该文主要对IKONOS1m分辨率遥感城市图像的半自动提取方法进行一般性的研究,并且对各个方法的特点进行了分析,可以针对不同的情况,适当的选择不同的方法,对城市中智能交通起到决策性的作用。

高分辨率道路影像提取的研究现状

充分利用较高的分辨率遥感影像,在对道路特征提取方面取得一些研究成果,有基于边缘提取、基于区域分割提取及两者相结合的提取方式。