-
题名基于实例激活图的自动驾驶实时实例分割算法
被引量：1
- 1
-
-
作者
秦启瑞
王海
蔡英凤
陈龙
李祎承
-
机构
江苏大学汽车与交通工程学院
江苏大学汽车工程研究院
-
出处
《汽车工程》
北大核心
2025年第4期614-624,共11页
-
基金
国家自然科学基金(52225212,U20A20333,U20A20331,52072160)资助。
-
文摘
基于深度学习的实例分割算法能够帮助智能汽车获取精确的感知信息。但受到制造成本的限制,通常智能汽车上的计算资源有限,为在有限的计算资源下获取高精度的识别与分割,要求算法本身能够充分利用已提取到的特征。同时,一阶段的实例分割算法虽然有较快的推理速度,但其在精度方面有所欠缺。为此,本文对一阶段的实例分割算法SparseInst进行了改进,以提升模型对有效特征的利用率。具体来说,首先在主干网络基础构建块中增加了残差连接。其次,在编码器部分,设计了三尺度特征融合模块克服了原先跨尺度特征不能进行直接交互的问题。本文还设计了解耦的实例激活模块,增强模型对实例特征的学习能力。除此以外,改进的算法充分利用细节特征对掩码特征进行修正,提高了生成掩码的质量。最后,本文用内核去初始化目标物体得分,提高了已提取特征的利用率。改进的算法在多个数据集上的掩码精度超越了同类型算法,且具有较强的实时性。为进一步验证改进算法的有效性,本文利用实车平台收集的数据进行了实验,在输入图片分辨率为640×480时,模型推理速度达到了54 FPS,并精确地分割出了实例掩码。
-
关键词
自动驾驶
深度学习
实时实例分割
特征利用率
-
Keywords
autonomous driving
deep learning
real-time instance segmentation
feature utilization
-
分类号
U463.6
[机械工程—车辆工程]
-
-
题名改进YOLOv5s-Seg的高效实时实例分割模型
被引量：5
- 2
-
-
作者
马冬梅
郭智浩
罗晓芸
-
机构
西北师范大学物理与电子工程学院
甘肃省智能信息技术与应用工程研究中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第16期258-268,共11页
-
基金
国家自然科学基金(61961037)。
-
文摘
实例分割是图像分割的重要组成部分,同时也是计算机视觉领域的一个重要课题。然而现有实例分割模型不能在保证实时性的同时保证模型分割精度,因此在实时实例分割任务中一直存在精度过低、定位不精确的问题。针对此问题,提出了一种基于YOLOv5s-Seg改进的实时实例分割模型。以YOLOv5s-Seg作为网络的基础模型,主干网络选用Repvit m3网络,然后改进FPN结构,在FPN结构中将原始得到的C3卷积模块升级为RsRepVitBlock模块,并在其内部使用ECA注意力机制,最后采用SIoU作为模型的边界框损失函数。该算法在公开数据集PASCAL VOC 2012上的实验结果显示,改进后的模型分割精度mAP达到了65.7%,较原模型YOLOv5s-Seg提高了10.6个百分点。该模型大幅提升了分割精度,并且有效地改善了分割任务中定位不准确的问题。相较于其他模型,具有显著的精度优势和更好的模型稳定性。
-
关键词
实时实例分割
YOLOv5s-Seg
Repvit
m3
RsRepVitBlock
高效通道注意力机制(ECA)
SIoU
-
Keywords
real-time instance segmentation
YOLOv5s-Seg
Repvit m3
RsRepVitBlock
efficient channel attention(ECA)
SIoU
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
