GRFB UNet——基于多尺度注意网络盲道检测算法实现与模型C++部署
1. 概述
盲道是视障人士安全出行的重要辅助设施。识别盲道的形状和位置，对于增强视障人士的自主移动能力至关重要，而视觉分割技术正是应对这一挑战的有效工具。为了显著提升盲道分割的精确度和稳定性，本文提出了一种创新的分割方法，该方法融合了UNet网络与多尺度特征提取技术。本方法在UNet架构中引入了组感受野块（GRFB）的设计，用以捕获盲道的多级视觉信息。通过应用组卷积，该方法有效降低了计算的复杂度。此外，在每个组卷积之后引入了小尺度卷积，以促进不同通道间的信息交流和融合，进而提取更为丰富和高层次的特征。
在本研究中，我们构建并标注了一个包含多种环境条件下盲道的数据集，用以进行实验评估。我们还对本方法与现有的典型网络结构和模块进行了详尽的比较分析。实验结果表明，我们提出的网络在盲道分割任务上的表现超越了其他对比网络，为盲道的检测提供了一个有力的参考，这不仅证明了本方法的有效性，也为视障人士的导航辅助技术的发展做出了贡献。
训练代码：https://github.com/Chon2020/GRFB-Unet