胡波,刘培文,刘瑞琪

• 1:广西科技大学自动化学院

摘要(Abstract)：

针对城市列车轨道区域与路面背景相似度较高而导致的轨道区域提取效果较差的问题，提出一种基于改进DeeplabV3+模型的轨道区域的分割算法．首先，针对列车轨道区域长宽比例较大的特点，使用条形池化卷积层代替ASPP结构中的全局池化层，以提升算法对条形轨道区域的提取能力；其次设计使用特征分组注意力（FGA）机制，提升模型对细节的关注度；最后改变上采样频率，降低因快速上采样而造成边界信息的模糊化影响．将3 192张城市轨道图像作为数据集，经验证与原网络相比，改进网络在数据集中的平均交并比以及召回率分别提高了3.65%、3.83%，达到93.88%以及97.35%，有效提升了轨道区域提取效果．

关键词(KeyWords)： 区域提取;Deeplabv3+;条形池化;注意力;空间金字塔

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 胡波,刘培文,刘瑞琪

DOI: 10.16393/j.cnki.37-1436/z.2025.05.003

参考文献(References)：

• [1]本刊编辑部．新时代交通强国铁路先行规划纲要[J]．铁道技术监督，2020,48(09):1-6+24.
• [2]SHI Zhuang,YANG Shuwen,KOU Ruixiong,et al.A Fast Railway Track Surface Extraction Method Based on Bidirectional Cloth Simulated Point Clouds[J].Optics and Lasers in Engineering,2024,180:108335.
• [3]汤旻安，王晨雨．基于改进Canny算法与Hough变换的轨道图像边缘提取[J]．铁道标准设计，2021,65(08):60-64.
• [4]CHEN LiangChi,George Papandreou,Iasonas Kokkinos,et al.Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs[J].ArXiv Preprint Arxiv,2016,1412:7062.
• [5]CHEN LiangChi,George Papandreou,Iasonas Kokkinos,et al.DeepLab:Semantic Image Segmentation with Deep Convolutional Nets,Atrous Convolution,and Fully Connected CRFs[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2018,40(4):834-848.
• [6]CHEN LiangChi,George Papandreou,Florian Schroff,et al.Rethinking Atrous Convolution for Semantic Image Segmentation[J].ArXiv Preprint Arxiv,2017,1706:05587.
• [7]CHEN LiangChi,Yukun Zhu,George Papandreou,et al.Encoder-decoder with Atrous Separable Convolution for Semantic Image Segmentation[J].ArXiv Preprint Arxiv,2018,1802:2611.
• [8]陈文，季国一，邹劲柏，等．基于改进卷积神经网络的铁路轨道线识别提取[J]．城市轨道交通研究，2024,27(09):275-279+287.
• [9]CHEN Zhichao,YANG Jie,CHEN Lifang,et al.Efficient Railway Track Region Segmentation Algorithm Based on Lightweight Neural Network and Cross-fusion Decoder[J].Automation in Construction,2023,155:105069.
• [10]蒋凯伟，刘彪，刘国豪，等．基于卷积神经网络的车道线逆透视变换算法[J]．北京交通大学学报，2023,47(02):106-113.
• [11]马天，李凡卉，杨嘉怡，等．基于改进STDC的井下轨道区域实时分割方法[J]．工矿自动化，2023,49(11):107-114.