-
题名基于改进HybridNets的多任务驾驶感知方法
被引量：1
- 1
-
-
作者
武鹏宇
张远辉
刘康
-
机构
中国计量大学
-
出处
《激光杂志》
CAS
北大核心
2024年第10期80-85,共6页
-
基金
浙江省自然科学基金资助项目(No.LY19F010007)。
-
文摘
针对计算资源有限的自动驾驶系统和多任务驾驶感知算法精度低问题,提出了一种改进的HybridNets多任务驾驶感知算法。选择EfficientNetV2-S作为该算法的主干网络,降低参数数量,提高训练速度和识别准确率;结合深度可分离卷积并采用shuffle-channel方式卷积降低模型计算量;使用三个独立的解码器来解决不同难度的问题,并在主干网络与Neck端之间加入A2-Nets双重注意力机块,充分提取全局特征。与基础网络HybridNets相比,该模型在车辆检测任务中mAP50可达79.8%,提高了2.6%;可行驶区域分割任务中mIoU可达91.8%,提高了1.2%;车道线检测任务中IoU可达32.55%,提高了0.93%。运行速度达到38 FPS。实验结果表明,与现有方法相比,所提方法的准确率有较大提高。
-
关键词
EfficientNetV2-S
A2-Nets
目标检测
驾驶区域分割
车道线检测
-
Keywords
EfficientNetV2-S
A2-Nets
object detection
driving area segmentation
lane line detection
-
分类号
TN911
[电子电信—通信与信息系统]
-
-
题名改进的多任务道路特征提取网络及权重优化
被引量：1
- 2
-
-
作者
朱文杰
李宏伟
姜懿芮
程相龙
赵珊
-
机构
郑州大学计算机与人工智能学院
郑州大学地球科学与技术学院
-
出处
《测绘通报》
CSCD
北大核心
2023年第12期1-7,共7页
-
基金
国家自然科学基金重点项目(42130112)。
-
文摘
为应对自动驾驶在复杂道路环境下的挑战,提出了多项任务合作的需求。在自然语言处理及推荐算法领域,利用多任务学习网络已被证明可以减少多种任务耦合情况下的时间、算力及存储使用。由于多任务学习网络的这种特点,近年来也开始应用于基于视觉的道路特征提取方面。本文提出了一种结合FPN网络的解码器头结构,并将其应用于基于YOLOv4网络的多任务学习道路特征提取网络;通过研究多任务权重设置的影响对多任务网络算法进行优化,并在同类算法中验证了权重设置的有效性。在BDD-100K数据集上进行的试验结果表明,本文结构在保证实时性的同时精度也优于同类方法,本文方法为基于视觉的自动驾驶过程中车辆的自主道路感知及高精地图的生成提供了新思路与新方法。
-
关键词
道路特征提取
多任务学习网络
权重优化
交通目标检测
车道线分割
可驾驶区域分割
-
Keywords
road feature extraction
multi-task learning network
weight optimization
traffic object detection
lane line segmentation
drivable area segmentation
-
分类号
P237
[天文地球—摄影测量与遥感]
-
