基于全光学神经网络的数学形态分割及其在自动驾驶中的应用
计算机视觉与模式识别
2026-02-25 v2 新兴技术
摘要
语义分割和车道线检测是自动驾驶系统中至关重要的任务。传统方法主要依赖深度神经网络（DNN），由于需要实现低延迟的实时响应而进行大量的模拟到数字转换和大规模图像计算，导致高能耗。diffractive光学神经网络（DONN）相较于传统DNN在数字或光电子计算平台上在能效方面显示出巨大的优势。通过以光速进行全光学图像处理，DONN在减少模拟到数字转换开销的同时，实现了通过全光学编码和计算来节省计算能耗。本文提出了一种用于自动驾驶应用中RGB图像分割和车道线检测的全光学计算框架。我们的实验结果表明，DONN系统在CityScapes数据集上有效地完成了图像分割。此外，我们针对车道线检测进行了案例研究，分别使用定制的室内轨道数据集和CARLA中的仿真驾驶场景，对模型在多样化环境条件下的通用性进行了进一步评估。
引用
@article{arxiv.2602.07717,
title = {All-Optical Segmentation via Diffractive Neural Networks for Autonomous Driving},
author = {Yingjie Li and Daniel Robinson and Weilu Gao and Cunxi Yu},
journal= {arXiv preprint arXiv:2602.07717},
year = {2026}
}