小型内燃机与车辆技术

2022, v.51;No.274(02) 58-63

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于深度监督特征融合的车辆目标检测方法研究
ADAS Object Segmentation Algorithm based on Deep Supervision and Feature Fusion

雷嘉豪;李江;刘波;

摘要(Abstract):

车辆在自适应巡航过程中,巡航控制系统的信息输入主要由毫米波雷达和视觉传感器来提供,这就要求车辆处于高速行驶或环境信息复杂的路况下具备良好的目标检测与识别能力。为了提升车辆巡航控制系统中基于视觉传感器的车辆目标检测结果,在FPN模型基础上,提出一种基于深度监督特征融合的ADAS车辆目标检测算法,利用多级特征跳跃融合策略,能有效弥补网络编码阶段多次下采样带来的信息损失,通过深度监督策略,提高了网络的辨别力和稳健性。实验结果表明,相较于几种对比方法,基于深度监督特征融合的车辆目标检测算法在车辆图像数据集上实现了较高的检测精度,体现出了该方法的有效性和优越性。

关键词(KeyWords): 深度学习;高级辅助驾驶(ADAS);实例分割;特征融合;深度监督

Abstract:

Keywords:

基金项目(Foundation): 陕西工业职业技术学院院级科研计划项目(2020YKYB-026)

作者(Authors): 雷嘉豪;李江;刘波;

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享