基于自注意力的全局显著性增强网络 AGSENet：用于主动交通安全的路渗检测
计算机视觉与模式识别
2024-10-23 v1
摘要
路渗是一种常见的交通事故隐患，可能导致车辆失控并引发从轻微碰撞到严重碰撞的事故。现有技术难以准确识别路渗，由于复杂的路面纹理和受反射特性影响的可变渗水色彩。为此，我们提出一种新方法：自注意力全局显著性增强网络 (AGSENet)，用于主动路渗检测和交通安全提升。AGSENet 通过通道显著性信息聚焦 (CSIF) 和空间显著性信息增强 (SSIE) 模块融合显著性检测技术。CSIF 模块集成于编码器中，利用自注意力机制融合空间与通道信息，以突出相似特征。SSIE 模块嵌入解码器中，利用不同特征层之间的关联性细化边缘特征并降低噪声。为确保准确可靠的评估，我们纠正了 Puddle-1000 数据集中显著的误标和缺失标注问题。此外，我们构建了 Foggy-Puddle 和 Night-Puddle 数据集，以适应低光照和雾天条件下的路渗检测。实验结果表明，AGSENet 在 Puddle-1000、Foggy-Puddle 和 Night-Puddle 数据集上分别实现了 IoU 提升 2.03%、0.62% 和 1.06%，刷新该领域的最新水平。最后，我们在边缘计算设备上验证了算法的可靠性。这项工作为交通安全的主动警报研究提供了有价值的参考。
引用
@article{arxiv.2410.16999,
title = {AGSENet: A Robust Road Ponding Detection Method for Proactive Traffic Safety},
author = {Ronghui Zhang and Shangyu Yang and Dakang Lyu and Zihan Wang and Junzhou Chen and Yilong Ren and Bolin Gao and Zhihan Lv},
journal= {arXiv preprint arXiv:2410.16999},
year = {2024}
}
备注
21 pages, 15 figures