相关实验视频
Updated: May 11, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
320
BiAttentionNet:一个双分支自动驾驶图像细分网络,集成空间和道注意力机制
Ruijun Liu1, Yijun Zhang2, Jieying Chen3
1Jiangxi Dongrui Intelligent Equipment Technology Co., LTD., Nanchang, 330028, China. liuruijun@jxdrzn.com.
Scientific reports
|April 16, 2025
概括
研究人员开发了BiAttentionNet,这是一个双分支网络,用于自动驾驶中的实时语义细分. 这种以注意力为导向的模型平衡了准确性和速度,在道路场景图像细分方面实现了高性能.
科学领域:
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
- 自主驾驶系统 自主驾驶系统
背景情况:
- 实时语义细分对于自动驾驶至关重要.
- 双分支网络在平衡准确性和效率方面越来越受欢迎.
- 整合注意力机制可以提高深度学习模型中的特征表示.
研究的目的:
- 提出BiAttentionNet,一个用于实时语义细分的新型双分支网络.
- 为了提高自动驾驶图像细分的准确性和速度之间的平衡.
- 为了利用空间和道注意力机制来增强特征融合.
主要方法:
- 设计了一个双分支架构,单独的细节和语义处理.
- 在细节分支中使用PCSD卷积模块来实现低级特征.
- 在语义分支中使用了改进的轻量级Unet,用于高级功能.
- 开发了一种以注意为导向的融合层,整合了空间和道注意力.
主要成果:
- 在Cityscapes数据集上,BiAttentionNet与主流网络相比表现优越.
- 在欧盟 (mIoU) 度的平均交叉点中获得了65.89%的最高准确度.
- 拟议的网络有效地平衡了网络准确性和实时性能.
结论:
- 拟议的BiAttentionNet对于道路场景中的实时语义细分是有效的.
- 双分支处理和注意力机制的整合显著提高了细分性能.
- BiAttentionNet为推进自动驾驶感知系统提供了一个有前途的解决方案.
