基于Mask R-CNN的地面标识检测

摘要：

　　近年来，深度学习的提出使图像分类、目标检测等领域取得了惊人的发展。无人驾驶场景中的地面标识检测对精度有着较高的要求，车道线检测又是道路场景中最重要的任务之一。传统检测方法面临着很多困难，很容易受到物体遮挡、光照变化和磨损等情况的干扰，因此设计一个鲁棒性的检测算法仍然面临着挑战。基于此，文中提出了 一种基于Mask R-CNN的地面标识检测方法，通过训练Mask R-CNN神经网络学习地面标识特征。实验结果表明，该方法能够对各种复杂的实际条件下的地面标识进行鲁棒提取。

关键词： 深度学习 无人驾驶 地面检测 车道线检测 复杂场景

作者: 田锦 张弛 王永森 刘宏哲 袁家政

作者单位: 北京联合大学北京市信息服务工程重点实验 北京100101

会议类型: 国内会议

会议名称: 中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会

会议地点: 北京

会议语种:中文

页码: 53-56,80

在线出版日期: 2018-10-01（万方平台首次上网日期，不代表论文的发表时间）