SCNN(Spatial As Deep: Spatial CNN for Traffic Scene Understanding)论文笔记

最新推荐文章于 2024-04-04 11:40:44 发布

xuefengxiaoyang

最新推荐文章于 2024-04-04 11:40:44 发布

阅读量1.8k

点赞数

CC 4.0 BY-SA版权

分类专栏：语义分割

本文链接：https://blog.youkuaiyun.com/xuefengyang666/article/details/90050055

SCNN是一种创新的空间卷积神经网络，通过切片卷积操作增强图像的空间信息传递，尤其适用于车道线等目标的检测。论文提出的方法解决了传统CNN在空间信息处理上的不足，并在车道线检测数据集CULane上取得优秀效果，优于基于RNN和MRF/CRF的方法。SCNN结构包含四个方向的信息传递，避免了梯度消失问题，提高了效率。此外，作者还贡献了一个大规模的车道线检测数据集。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

论文地址：Spatial As Deep: Spatial CNN for Traffic Scene Understanding

代码：SCNN

摘要：

卷积神经网络通常是逐层堆叠的卷积操作构成，虽然有强大的特征提取能力，从像素中提取语义信息，但是跨行列提取图像的空间信息的能力并没有完全被利用。这些信息对像车道线和电线杆这种有很强的外观先验很弱的外观线索的目标是很重要的，这些目标经常会被遮挡或没画出来，如图一所示。作者提取出了空间卷积神经网络（SCNN），将传统的逐层卷积替换为特征图内的切片卷积操作，这可以使得信息可以在图像的行列之间传递。作者还公布了一个车道线检测数据集，并用SCNN在这个数据集上做了测试取得了很好的效果。而且作者用这个SCNN取得了图森举办的车道线检测大赛第一名。