期刊专题

10.3969/j.issn.1004-9444.2024.04.006

基于MFLD的车道线识别方法

引用
在无人驾驶领域中,车道线检测是一个至关重要且具挑战性的任务.传统的视觉车道线检测方法处理缓慢、操作复杂,需要人工干预,而基于深度学习的卷积神经网络方法能够有效地克服这些问题,为无人驾驶技术的进步提供了关键推动力.基于卷积神经网络进行车道线检测的方法有很多,近年来比较流行的方法中ultra fast lane detection(UFLD)算法在车道线检测方面取得较好的成果.文章以UFLD算法为基础,结合MobileNetV2和CBAM注意力机制,设计出了一种新的模型,命名为mobilenet-fast lane detection(MFLD),该模型在Tusimple检测准确度达到92.8%,相较于UFLD提高了2.3%,同时运行速度达到了 129 fps,在CULane数据集检测精度在不同场景下相较于UFLD提升了2.5%、2.5%、2.9%、1.8%、1.0%、2.5%、1.3%、5.1%、6.4%.

车道线检测、UFLD、注意力机制、深度学习

40

TP391.41(计算技术、计算机技术)

2024-09-10(万方平台首次上网日期,不代表论文的发表时间)

共7页

33-38,75

相关文献
评论
暂无封面信息
查看本期封面目录

德州学院学报

1004-9444

37-1372/Z

40

2024,40(4)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn