U-Net与YOLO结合实现铁路场景理解的多任务需求

文章预览

论文信息 题目：UOLO: A Multitask U-Net YOLO Hybrid Model for Railway Scene Understanding UOLO：一种用于铁路场景理解的多任务 U-Net 与 YOLO 混合模型 作者：Alexandru Manole, Laura-Silvia Diosan 论文创新点 创新架构设计 ：提出 UOLO 这一全新的多任务架构，它创新性地将广泛应用的 YoloV5 目标检测器与成熟的 U - Net 语义分割模型相结合。 融合传统与深度学习 ：在网络中融入了由传统计算机视觉技术计算出的额外几何特征。利用经典计算机视觉算法生成额外输入通道，如通过RGB转灰度、去除图像无用部分、边缘检测、多边形逼近、多边形过滤和轮廓膨胀等一系列步骤，为模型提供了关于铁路结构的几何先验信息。 独特预处理策略 ：采用了两种独特的预处理技术。一是 边界框扩大 ，通过绝对增加和相对变化两种方式调整数据集中所有边界框的宽度和高度，以解决YOLO - based架 ………………………………