鉄道線路のエッジ誘導型マルチスケールインスタンスセグメンテーション

科学分野:

• コンピュータビジョン
• 人工知能
• ロボット工学

背景:

• 自律走行列車には、正確な鉄道線路セグメンテーションが必要です。
• 課題には、従来のモデルに影響を与えるぼやけた境界と複雑な背景が含まれます。
• 既存の手法は、複雑な鉄道環境での精度に苦労しています。

研究 の 目的:

• 鉄道線路セグメンテーションのための新しいインスタンスセグメンテーションフレームワークであるSMDE-YOLOを紹介します。
• 複雑な鉄道環境における現在のモデルの限界に対処します。
• 自律走行システムにおける精度と効率を向上させます。

主な方法:

• Scharrベースのエッジ強調戦略を組み込んだYOLO11n-segに基づいてSMDE-YOLOを開発しました。
• マルチスケール特徴モデリングのためにDynamic Multi-Branch Feature Pyramid Network (DMBFPN)を統合しました。
• パフォーマンスの向上と計算量の削減のために、Multi-Scale Edge Feature Fusion (MSEFF)とDual Enhanced Efficient Decoupled segmentation head (DEED-Seg)を使用しました。

主要な成果:

• SMDE-YOLOはRailsem7750データセットで優れたパフォーマンスを示しました。
• このフレームワークは、ぼやけた線路境界と複雑な背景を効果的に処理します。
• 軽量設計と高いセグメンテーション精度のバランスを達成しました。

結論:

• SMDE-YOLOは、困難な条件下での鉄道線路インスタンスセグメンテーションに効果的なソリューションを提供します。
• 正確な線路局在化は、インテリジェントな検査と安全ゾーニングに不可欠です。
• 提案されたモデルは、自律走行列車の運用能力を進歩させます。