-
题名无人驾驶危险交通场景中小目标检测算法研究
- 1
-
-
作者
刘新潮
严英
甘海云
-
机构
天津职业技术师范大学汽车与交通学院
智能车路协同与安全技术国家地方联合工程研究中心
-
出处
《科技通报》
2021年第10期38-43,共6页
-
基金
天津市人工智能专项(18ZXAQSF00090)
天津市高校学科领军人才培养计划(SSW181030105)
-
文摘
无人驾驶车辆对目标检测算法的实时性和检测精度要求很高,尤其是危险交通场景中的小目标检测尚存在完善。针对这个问题,选用YOLOv4作为基础网络,基于组合剪枝策略对YOLOv4进行修剪。为了在剪枝的过程中不降低检测精度,实验通过大尺度训练与网络添加空间金字塔池化来增强深层特征的提取。剪枝策略通过向信道比例因子添加L1正则化来加强信道级的稀疏性促进结构化的剪枝。然后在通道剪枝的基础上融合层剪枝,把比例因子的最小值对应的层裁剪掉,即YOLOv4-Pocket算法。其平均精度(mAP)提高了6.05%,模型空间缩小了99.15%,每帧图像的推理时间缩短了82.45%。实验结果表明,YOLOv4-Pocket模型更适合于无人驾驶汽车的应用场景。
-
关键词
yolov4-pocket
目标检测
自动驾驶
剪枝策略
危险场景
-
Keywords
yolov4-pocket
target detection
autonomous driving
pruning strategy
dangerous scenario
-
分类号
U463.6
[机械工程—车辆工程]
TP391.41
[交通运输工程—载运工具运用工程]
-
