用于高光谱成像分割的全卷积网络探索：应用于先进驾驶辅助系统
计算机视觉与模式识别
2024-12-06 v1 人工智能
机器学习
图像与视频处理
摘要
先进驾驶辅助系统（ADAS）旨在提高车辆乘客的安全性和舒适性。目前大多数基于计算机视觉的 ADAS 在常规条件下成功地执行检测和跟踪任务，但在恶劣天气、变化的照明条件以及大量重叠物体的复杂场景下并不完全可靠。本文探讨了在 ADAS 中应用高光谱成像（HSI）的方法，认为不同材料的近红外（NIR）光谱反射率有助于更好地分离驾驶场景中的物体。具体而言，本文描述了将全卷积网络（FCN）应用于 HSI 图像分割用于 ADAS 应用的一些实验结果。我们的主要目标是调查卷积滤波器编码的空间特征在多大程度上有助于改进 HSI 分段系统的性能。为此，我们使用 HSI-Drive v1.1 数据集，该数据集提供了一组在真实驾驶条件下记录的带标签图像，配备小型快照 NIR-HSI 相机。最后，我们通过在 MPSoC 上原型开发所开发的 FCN 模型及其必要的高光谱立方体预处理阶段，对其性能进行特征化。
引用
@article{arxiv.2412.03982,
title = {Exploring Fully Convolutional Networks for the Segmentation of Hyperspectral Imaging Applied to Advanced Driver Assistance Systems},
author = {Jon Gutiérrez-Zaballa and Koldo Basterretxea and Javier Echanobe and M. Victoria Martínez and Inés del Campo},
journal= {arXiv preprint arXiv:2412.03982},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2411.19274