以下內(nèi)容來(lái)自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文##開源# arxiv速遞｜ETH蘇黎世聯(lián)邦理工學(xué)院開源局部和全局信息的鐵路軌道障礙物檢測(cè)

【Local and Global Information in Obstacle Detection on Railway Tracks】

開源代碼：Page not found · GitHub · GitHub

文章鏈接：https://arxiv.org/pdf/2307.15478.pdf

鐵路上可靠的障礙物檢測(cè)可以幫助防止碰撞，以免導(dǎo)致受傷、潛在的火車損壞或脫軌。不幸的是，通用的對(duì)象檢測(cè)器沒(méi)有足夠的類來(lái)解釋所有可能的場(chǎng)景，并且很難獲得以鐵路上的對(duì)象為特征的數(shù)據(jù)集。我們建議利用淺層網(wǎng)絡(luò)從普通鐵路圖像中學(xué)習(xí)鐵路分割。網(wǎng)絡(luò)有限的接受域可以防止過(guò)度自信的預(yù)測(cè)，并允許網(wǎng)絡(luò)專注于鐵路環(huán)境中局部非常特殊和重復(fù)的模式。此外，我們通過(guò)學(xué)習(xí)幻覺(jué)無(wú)障礙圖像來(lái)探索全局信息的受控包含。我們?cè)谝粋€(gè)自定義數(shù)據(jù)集上評(píng)估我們的方法，該數(shù)據(jù)集包含帶有人工增強(qiáng)障礙物的鐵路圖像。我們提出的方法優(yōu)于其他基于學(xué)習(xí)的基線方法。

以上內(nèi)容來(lái)自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容