基于高光谱成像的自动驾驶场景感知:基线语义分割模型评估
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了使用高光谱成像 (HSI) 数据集对语义分割模型评估的缺乏问题。通过针对不同深度学习基础模型的评估,提出了一种新的方法来利用HSI的光谱信息,从而提升语义分割的效果。研究发现,UNet-CBAM模型优于其他模型,显示出在自动驾驶辅助系统感知中的潜在应用价值。
HyperSIGMA是一种基于Vision Transformer的高光谱图像处理模型,结合稀疏采样注意力机制和光谱增强模块,有效整合空间与光谱特征,展现出优越性能和广泛应用潜力。