فهرست نشریات علمی دسترسی آزاد ایران

تشخیص خطوط جاده به‌عنوان عناصر حیاتی در سیستم‌های ادراک بصری خودروهای هوشمند، نقشی کلیدی در تضمین ناوبری ایمن ایفا می‌کنند و برای سیستم‌های رانندگی خودران و فناوری‌های پیشرفته کمک‌راننده ضروری هستند. بااین‌حال، دستیابی به‌دقت بالا در تشخیص خطوط جاده در شرایط چالش‌برانگیز مانند سایه، ازدحام ترافیکی و محوشدگی خطوط جاده، در عین حفظ کارایی بلادرنگ، همچنان یک چالش اساسی به شمار می‌رود. در این پژوهش، یک معماری سبک‌وزن به‌منظور ارتقای عملکرد تشخیص خطوط جاده در محیط‌های پیچیده ارائه شده است که با تلفیق راهبردهای نوآورانه طراحی گردیده است. هسته اصلی این چارچوب، ادغام هدفمند ماژول توجه کانالی–فضایی در لایه‌های میانی شبکه ResNet است که امکان تقویت و پالایش ویژگی‌های متمایزکننده را فراهم می‌سازد. افزون بر این، با بهره‌گیری از راهبرد پیشرفته تقطیر دانش، مدل پیشنهادی به دقت تشخیص بالا همراه با کارایی محاسباتی بلادرنگ دست‌یافته است. ارزیابی روی مجموعه‌داده CULane نشان داد که روش پیشنهادی با امتیاز F1 معادل %‌۲۰/۸۰  و سرعت ۴۰۷ فریم بر ثانیه، به ترتیب بهبود %۵۴/۰ و افزایش سرعت %۷۹/۱ نسبت به مدل CLRKDNet و روش ECBAM_ASPP داشته است. همچنین در مجموعه‌داده TuSimple، مدل پیشنهادی بادقت%۹۶/۹۶ کمترین خطای منفی کاذب %۵۷/۱ در میان روش‌های مقایسه شده، عملکرد برتری از خود نشان داده است. در مقایسه با روش‌های مبتنی بر توجه مانند ECBAM_ASPP و معماری‌های پرسرعتی همچون UFLD، روش پیشنهادی تعادل مطلوبی میان دقت و سرعت برقرار کرده و برای کاربردهای بلادرنگ در خودروهای خودران مناسب‌تر است.