.png){kind=icon}
返回
Dynamic context-aware high-resolution network for semi-supervised semantic segmentation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2025.110068.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
实时半监督语义分割为智能交通系统提供了对动态城市情况的详细了解。然而，遵循不同分割任务的当前先进模型由于无法适应动态环境和高计算复杂性，未能将高分辨率网络（HRNet）应用于实时场景。本研究旨在检验学生-教师网络在半监督语义分割中的有效性，主要聚焦于智能交通领域。我们提出了一种动态上下文感知高分辨率网络（DC-HRNet），通过融入学生-教师知识蒸馏机制来增强动态城市环境中的语义分割。我们利用高分辨率网络训练教师网络，以提升自动驾驶中的鲁棒性和精度。此外，我们采用多路径块（MPBs）与HRNet结合训练我们的学生网络，以应对现实场景中标注数据稀缺的挑战。利用MPBs进行下采样有助于避免低分辨率损失，并通过利用特征图生成伪标签。我们整合了动态上下文感知分割网络（DCSNet）以进一步降低计算成本并提高分割精度。将DCSNet与HRNet在不同分辨率和扩张率下集成，增强了上下文数据的利用。本研究通过提升分割精度、模型泛化能力和整体韧性，为智能交通系统做出了贡献，拓展了该领域的研究范围。在公开数据集上的广泛实验表明，我们的模型能够以当前先进性能实时处理高分辨率图像。
Keyword:
High-resolution network
Multi-path blocks
Deep learning
Semi-supervised segmentation
期刊
IF:
8
论文数:
5.5K
被引数:
3.5W
机构
暂无机构信息
引用论文
Unified weakly and semi-supervised crack segmentation framework using limited coarse labels基于有限粗略标签的统一弱监督和半监督裂缝分割框架
PREAI
分享收藏Boundary-refined prototype generation: A general end-to-end paradigm for semi-supervised semantic segmentation边界精化的原型生成：一种通用的端到端半监督语义分割范式
OAAI
OAAI分享收藏Lightweight Depth Completion Network with Local Similarity-Preserving Knowledge Distillation.png)
SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏High-resolution remote sensing image land cover classification based on EAR-HRNetV2基于EAR-HRNetV2的高分辨率遥感图像土地覆盖分类
OAAI
OAAI分享收藏MFFENet: Multiscale Feature Fusion and Enhancement Network For RGB-Thermal Urban Road Scene Parsing
PREAI
分享收藏
查看更多内容