本文属于研究领域。

小波变换能够提取图像的多尺度频率信息，在细节表达方面具有优势；现有实时语义分割方法主要依赖网络结构优化，缺乏对频率信息的利用；同时，铁路场景具有多类别和复杂环境特性，传统方法难以满足需求，因此有必要引入频率信息以提升分割性能。

基于视觉基础模型的铁路场景语义分割（轨道分割）解决传统铁路分割方法的问题，同时探索如何将通用大模型（SAM）有效迁移到铁路场景提出：将视觉基础模型 SAM 与参数高效微调（PEFT）方法相结合，并采用 Adapter 作为具体实现，在多尺度特征上注入铁路领域信息，实现高效的铁路分割。在 RailSem19 数据集上达到，如 mIoU 达，明显优于 Mask2Former 等方法，表现出更强鲁棒性。