数学建模及其应用

2026, v.15;No.61(03) 15-21+67

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Archive) | 高级检索(Advanced Search)

利用CLAHE和边界增强的多任务道路识别方法
Multi-task Road Detection Method Using CLAHE and Boundary Enhancement

虞钉钉,沈伟林,冯绚

摘要(Abstract):

道路识别是智能交通领域非常重要的任务之一,当前主流的方法都是以深度学习模型为基础,但由于道路区域的复杂、不规则特性,准确地识别出图像中道路仍然是一个具有挑战性的任务.针对这种情况,本文提出了一种利用限制对比度自适应直方图均衡化(CLAHE)和边界增强的多任务道路识别方法.该方法通过CLAHE增强了道路边界和其他区域的对比度,并通过边界增强的多任务框架,增强了模型对道路边界的识别效果.实验结果表明,本文提出的方法可以有效提升模型道路识别的效果,明显提高了模型识别的准确度.

关键词(KeyWords): 道路识别;边界增强;多任务学习;深度学习

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 虞钉钉,沈伟林,冯绚

DOI: 10.19943/j.2095-3070.jmmia.2026.03.02

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享