-
题名基于改进CenterNet的自动驾驶小目标检测
被引量：10
- 1
-
-
作者
于方程
张小俊
张明路
赵天亮
-
机构
河北工业大学机械工程学院
-
出处
《电子测量技术》
北大核心
2022年第15期115-122,共8页
-
基金
天津市新一代人工智能科技重大专项(18ZXZNGX00230)资助。
-
文摘
自动驾驶领域主流目标检测算法对小目标检测效果差,给行车安全带来了威胁,对单阶段无描框CenterNet算法进行改进以解决此问题。首先,替换原主干网络为具有分裂注意力机制的ResNeSt50网络,并将ReLU激活函数升级为FReLU,以极少的额外计算开销强化了特征提取效果;然后提出轻量级网络PASN融合不同尺度的语义特征,并在浅层特征输入端引入空间池化金字塔(SPP)模块强化小目标信息的表达;最后在Kitti数据集进行随机多尺度输入训练。验证集结果表明改进后算法的FPS达到37.7满足实时性要求,小目标检测精度较原算法提12.9%,平均检测精度提升13.9%,同时检测速度与精度均高于主流算法YOLOv4;在实车上每秒可检测31帧图像,为自动驾驶技术发展提供有力支持,具有工程应用价值。
-
关键词
自动驾驶
小目标
无描框
分裂注意力
CenterNet
-
Keywords
automatic driving
small target
anchor-free
split-attention
CenterNet
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
