面向 ADAS/AD 应用的道路分割
计算机视觉与模式识别
2025-05-20 v1 机器学习
摘要
精准的道路分割对于自动驾驶和 ADAS 至关重要，能够实现复杂环境下的有效导航。本研究考察了模型架构和数据集选择对分割效果的影响，通过在 Comma10k 数据集上训练修改版 VGG-16，在 KITTI Road 数据集上训练修改版 U-Net。两个模型均取得高准确率，交叉数据集测试显示 VGG-16 虽然训练时数更少，但优于 U-Net。我们采用 F1 分数、平均交并比和精确率等指标分析模型性能，讨论了架构和数据集对结果的影响。
引用
@article{arxiv.2505.12206,
title = {Road Segmentation for ADAS/AD Applications},
author = {Mathanesh Vellingiri Ramasamy and Dimas Rizky Kurniasalim},
journal= {arXiv preprint arXiv:2505.12206},
year = {2025}
}