Segmentación de instancias guiada por bordes multiescala para vías de ferrocarril

Área de la Ciencia:

• Visión por Computadora
• Inteligencia Artificial
• Robótica

Sus antecedentes:

• La operación de trenes autónomos requiere una segmentación precisa de las vías de ferrocarril.
• Los desafíos incluyen límites borrosos y fondos complejos que afectan a los modelos tradicionales.
• Los métodos existentes luchan con la precisión en entornos ferroviarios intrincados.

Objetivo del estudio:

• Presentar SMDE-YOLO, un novedoso marco de segmentación de instancias para la segmentación de vías de ferrocarril.
• Abordar las limitaciones de los modelos actuales en entornos ferroviarios complejos.
• Mejorar la precisión y la eficiencia en los sistemas de trenes autónomos.

Principales métodos:

• Se desarrolló SMDE-YOLO basado en YOLO11n-seg, incorporando una estrategia de mejora de bordes basada en Scharr.
• Se integró una Red de Pirámides de Características de Múltiples Ramas Dinámicas (DMBFPN) para la modelización de características multiescala.
• Se utilizó la Fusión de Características de Bordes Multiescala (MSEFF) y la Cabeza de Segmentación Desacoplada Eficiente Dual Mejorada (DEED-Seg) para mejorar el rendimiento y reducir el cálculo.

Principales resultados:

• SMDE-YOLO demostró un rendimiento superior en el conjunto de datos Railsem7750.
• El marco maneja eficazmente los límites de las vías borrosos y los fondos complejos.
• Se logró un equilibrio entre el diseño ligero y la alta precisión de segmentación.

Conclusiones:

• SMDE-YOLO ofrece una solución eficaz para la segmentación de instancias de vías de ferrocarril en condiciones desafiantes.
• La localización precisa de las vías es crucial para la inspección inteligente y la zonificación de seguridad.
• El modelo propuesto avanza las capacidades de operación de trenes autónomos.