MLHI-Net:城市海岸线检测的多层混合轻型水体细分网络
Jianhua Ye1,2, Pan Li1, Yunda Zhang1
1School of Mechanical and Automotive Engineering, Fujian University of Technology, FuZhou, 350108, China.
Scientific reports
|February 8, 2025
概括
本研究介绍了MLHI-Net,这是一种新型的轻量级网络,用于在自主无人地面车辆 (USV) 导航中准确检测海岸线. 拟议的方法在复杂的环境中表现出色,优于可靠的USV操作的现有技术.
科学领域:
- 机器人技术和自主系统
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 海岸线检测对于无人驾驶地面车辆 (USV) 导航至关重要.
- 现有的方法在不同的条件下与高度相似的特征 (海岸与反射) 和模糊的界限作斗争.
- 对于强大的自主导航,需要精确的水域细分.
研究的目的:
- 开发一个强大而轻量级的网络,在复杂的环境中准确地检测海岸线.
- 为了解决处理特征相似性和边界模糊性的当前方法的局限性.
- 提高USV自主导航系统的可靠性.
主要方法:
- 提出了一个多层次的混合轻量级水分区分网络 (MLHI-Net).
- 引入了一个过度参数化和冗余清除卷积模块 (ORRD),以增强特征表示.
- 开发了一个多分支机构的注意力融合模块 (MDA),用于多样化的注意力和全球边缘细节优化.
主要成果:
- 在CityWater和USVInland数据集上,MLHI-Net实现了卓越的性能,CityWater的MIoU为97.86%和PA为98.92%.
- 与先进网络相比,证明了高的平均交叉点 (MIoU) 和像素精度 (PA).
- 实现了 13.45 GLOPS 和 46.92M 参数的实时检测能力.
结论:
- MLHI-Net有效地解决了用于USV导航的海岸线检测方面的挑战.
- 该网络在各种环境和条件中表现出强大的泛化能力.
- 为需要精确水界识别的自主系统提供可靠的支持.
