融合自注意力机制与深度学习的高速公路标线逆反智能识别方法
田广策
海南中咨泰克交通工程有限公司 海南海口 570100
摘要：高速公路标线逆反识别中,特征提取易受数据转换损失影响,导致标线逆反射强度峰值识别结果与实际物理特性存在偏差,为此,文章提出一种融合自注意力机制与深度学习的高速公路标线逆反智能识别方法.在交通安全设施领域,以交通标志为例,其逆反射性能对于夜间行车安全至关重要.首先,利用自注意力机制优化生成Cross Entropy Loss识别损失函数,并结合深度学习进行二分类转换,以精确计算交通标志逆反智能识别的特征权重,生成对应的注意力特征函数;随后,通过局部快速降维处理及多矩阵运算剔除噪声,对特征进行回归处理,极值转换计算模型样本估计量;最后,融合自注意力机制赋予特征元素注意力权值,构建识别模型,实现交通标志逆反智能识别,有效提升夜间行车安全.实验结果表明,所提方法应用后,在不同可见度场景下获取的识别逆反射强度极值与实际值重叠度较高,未出现显著波峰边界差异问题,具有高精度鲁棒性.
关键词：自注意力机制深度学习高速公路标线逆反智能识别
论文发表日期：2026-02-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 63-66,71 )