期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于Transformer和XCA注意力的车道线检测方法 认领 引用 被引量:1
1
作者 李睿 敖银辉 +1 位作者 陈新盛 李桂伸 《电子测量技术》 北大核心 2026年第7期226-235,共10页
针对LSTR算法在复杂道路场景下存在的局部细节捕捉能力不足与计算复杂度高的问题,本研究提出动态多路径协方差Transformer检测模型DMCTR。首先,构建特征增强与抑制模块,通过增强与抑制特征操作,缓解传统卷积对弯曲车道及虚线段等弱特征... 针对LSTR算法在复杂道路场景下存在的局部细节捕捉能力不足与计算复杂度高的问题,本研究提出动态多路径协方差Transformer检测模型DMCTR。首先,构建特征增强与抑制模块,通过增强与抑制特征操作,缓解传统卷积对弯曲车道及虚线段等弱特征的漏检问题;其次,构建动态增强双通道注意力模块,利用可变形卷积适应车道几何形变,并结合双注意力机制增强局部几何特征;最后在Transformer架构中引入交叉协方差注意力机制,进而替换Transformer编码器中的多头自注意力。实验结果表明,在TuSimple数据集上,DMCTR准确率达到96.74%,较基线LSTR模型提升0.56%;在CULane数据集复杂场景下,F1值提升4.48%,车道线模糊、夜晚强光等特殊场景检测精度提升显著,使得模型在保持实时性(353 fps)的同时,有效解决了传统方法在复杂场景下的特征建模瓶颈。 展开更多
关键词 车道线检测 LSTR算法 Transformer 交叉协方差注意力机制
暂未订购 下载PDF
LSTR算法的改进及在车道线检测中的应用 认领 引用 被引量:3
2
作者 张莹 张露露 +2 位作者 孙月 张东波 段万林 《小型微型计算机系统》 CSCD 北大核心 2024年第8期1863-1868,共6页
基于Transformer的车道预测LSTR(Lane Shape Prediction with Transformers)算法在检测车道线时存在缺少捕捉局部特征的能力和多头注意力机制中头数多余的问题.本文提出了改进LSTR算法的车道线检测方法,首先在最后一个编码器中前馈网络... 基于Transformer的车道预测LSTR(Lane Shape Prediction with Transformers)算法在检测车道线时存在缺少捕捉局部特征的能力和多头注意力机制中头数多余的问题.本文提出了改进LSTR算法的车道线检测方法,首先在最后一个编码器中前馈网络的后面引入CBAM(Convolutional Block Attention Module)注意力机制模块,充分利用通道和空间上的信息,捕捉特征图中更多的细节;然后对解码器中的掩码多头注意力机制进行剪枝,使用掩码单头注意力机制来进行替换,以便更多关注前一时刻的车道线信息.改进后的LSTR算法在TuSimple数据集上准确度为96.31%,明显高于PolyLaneNet(Lane Estimation via Deep Polynomial Regression)等算法,在CULane数据集上比原始算法的F1评分上升了2.11%. 展开更多
关键词 车道线检测 深度学习 LSTR算法 Transformer 注意力机制
暂未订购 下载PDF
基于LSTR和Vit-CoMer骨干的车道线检测方法 认领 引用 被引量:6
3
作者 郑剑 郭亦畅 《电子测量技术》 北大核心 2024年第19期164-171,共8页
针对LSTR算法在实际应用中存在的提取特征尺度单一及缺乏对车道局部特征有效捕捉的问题。本文首次将Vit-CoMer骨干网络用于车道线检测任务中,提出LSCoMer车道线检测模型。首先,在特征提取网络后使用MRFP丰富多尺度特征,提高检测精度;其... 针对LSTR算法在实际应用中存在的提取特征尺度单一及缺乏对车道局部特征有效捕捉的问题。本文首次将Vit-CoMer骨干网络用于车道线检测任务中,提出LSCoMer车道线检测模型。首先,在特征提取网络后使用MRFP丰富多尺度特征,提高检测精度;其次,在Transformer结构的开始和结束位置集成CTI模块,以促进CNN的局部特征与Transformer的全局特征之间有效融合,强化后者在局部细节上的敏感性。实验结果表明,本文方法在TuSimple数据集上准确率为96.68%,较原LSTR方法提升0.5%且显著优于PolyLaneNet等同类方法,在CULane数据集中,本文方法F 1分数比LSTR方法提升3.02%。 展开更多
关键词 车道线检测 LSTR算法 Transformer 多尺度特征
暂未订购 下载PDF
上一页 1 下一页 到第
在线咨询 使用帮助 返回顶部 意见反馈