面向边缘的 RailYolact —— 面向铁路分割的 Yolact 变体
计算机视觉与模式识别
2024-10-15 v1
摘要
确保铁路表面障碍物避让是自动驾驶火车安全的关键，其第一步是分割铁路区域。我们选择在 Yolact 基础上进行工作。为解决模型预测的铁路掩码边缘粗糙的问题，我们将由边缘算子提取的边缘信息融入原始 Yolact 的损失函数，以强化模型对铁路边缘的关注。此外，我们应用盒滤波平滑因线性插值导致的锯齿状 ground truth 掩码边缘。由于边缘信息的集成和平滑过程仅发生在训练过程中，模型的推理速度得以保持。在我们自制的铁路数据集上的实验结果表明，预测准确率得到改善。此外，Cityscapes 上结果相较于 Yolact 在 和 上分别提升了 4.1 和 4.6。
引用
@article{arxiv.2410.09612,
title = {RailYolact -- A Yolact Focused on edge for Real-Time Rail Segmentation},
author = {Qihao Qian},
journal= {arXiv preprint arXiv:2410.09612},
year = {2024}
}