Rail-SegFormer: An Attention-Enhanced Model with Convolutional Hybridization and Salient Feature Fusion
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Semantic segmentation of railway scenes is crucial for safety assurance and intelligent inspection. However, limited domain-specific datasets impede advancement. This paper presents Rail-SegFormer, a segmentation framework tailored for railway scenarios, incorporating transposed convolution for refined upsampling and salient feature fusion to enhance boundary perception. By replacing bilinear interpolation with learnable transposed convolution, the model better retains structural detail. Experiments on the RailSem19 dataset show that Rail-SegFormer consistently outperforms the baseline, particularly under complex conditions.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Rail-SegFormer: An Attention-Enhanced Model with Convolutional Hybridization and Salient Feature Fusion
- Date Crossref
- 16/07/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.