基于粒子群算法的多尺度反卷积特征融合的道路提取

• 作者: 冯肖雪 刁奇 安启超 潘峰 王瑞
• 来源期刊: 北京理工大学学报
• 学科: 工学
• 关键词: 非结构化道路 模式特征优化 全卷积神经网络 语义分割
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信息与控制
• 页码范围: 640-647
• 页数: 8页
• 分类号: TP391
• 字数: 3680字
• 语种: 中文
• DOI: 10.15918/j.tbit1001-0645.2019.198

摘要

研究基于传统FCN算法下的不同比例的多尺度特征融合对于复杂场景下道路提取准确度的提高.针对复杂的航拍道路场景,设计了针对于农田环境下的FROBIT农田道路数据集,并使用全卷积神经网络(FCN)对FROBIT农田道路数据集和Massachusetts城市道路数据集进行道路提取工作.本文基于传统的FCN的网络,对其反卷积方式进行改进,采用粒子群算法(PSO)设计了不同比例的多尺度特征融合.通过将本文提出的Multi-Scale FCN网络与传统的FCN神经网络在FROBIT数据集和Massachusetts道路数据集上进行对比实验,结果表明Multi-Scale FCN网络相比于传统的FCN神经网络在提取精度上得到了提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘峰	北京理工大学自动化学院	22	235	6.0	15.0
3	王瑞	北京理工大学自动化学院	18	99	5.0	9.0
4	冯肖雪	北京理工大学自动化学院	6	2	1.0	1.0
7	安启超	北京理工大学自动化学院	1	0	0.0	0.0
8	刁奇	北京理工大学自动化学院	1	0	0.0	0.0