2023年MathorCup大数据竞赛赛道A：基于计算机视觉的坑洼道路检测和识别 论文3

本专栏提供相关国内外论文文献参考,每题大约十几篇,持续更新

多尺度特征融合：学习更好的语义分割，用于道路坑洼检测

该文提出一种基于单模态的坑洼检测方法 语义分割。它首先从输入图像中提取视觉特征 使用卷积神经网络。然后，通道注意力模块重新称重 通道特征增强了不同特征图的一致性。 随后，我们采用一个空洞空间金字塔池化模块（包括 串联的空洞卷积，具有渐进的膨胀速率）进行积分 空间上下文信息。这有助于更好地区分坑洼 和未损坏的道路区域。最后，相邻层中的特征图为 使用我们提出的多尺度特征融合模块进行融合。这进一步 减少不同特征通道层之间的语义差距。广泛 在Pothole-600数据集上进行实验，以证明 我们提出的方法的有效性。定量比较表明， 我们的方法在两个RGB图像上都实现了最先进的（SoTA）性能 并变换视差图像，优于三个SoTA单模态 语义分割网络。