成果介绍
针对自动驾驶场景下基于候选区域和回归方法的目标检测网络复杂度高、参数数量多、小目标漏检等问题,构建了一种基于MobileNet的YOLOv4网络的轻量化目标检测算法-Mobilenetv2_CA-YOLOv4检测算法。其轻量化的网络结构实现了高效的车辆检测,能够实时进行目标的精确定位、跟踪,为自动驾驶车辆的控制决策与路径规划提供了更安全的保障,
成果亮点
首先在数据预处理阶段采用马赛克图像增强算法,增强小目标场景和复杂场景的特征提取;其次,使用轻量化的MobileNetv2_CA网络作为其主干特征提取网络,其中嵌入的协调注意机制CoordinateAttention(CA)增强网络对特征提取的指向性;最后将提取的不同尺度的特征层作为输入,在PANet网络中进行多尺度特征信息融合,丰富网络的特征提取。
团队介绍
时培成 博士 教授 博士研究生导师
主要研究方向:车辆系统动力学与控制、智能网联汽车、无人驾驶汽车。目前正在主持的科研项目有:安徽省重点研究与开发计划项目(名称:特定场景无人车通用化全线控底盘开发与产业化应用,编号202104a05020003)、安徽省支持研发创新项目(皖三重一创)(名称:基于前视感知的高级驾驶辅助系统(ADAS)研发及应用,皖发改产业函[2020]479号)。
近年来完成国家自然科学基金1项(轮毂驱动电动汽车垂向机-电耦合振动机理研究,编号51575001)、安徽省科技攻关项目1项(四轮毂独立驱动电动汽车关键技术及样车研制,编号1604a0902158)、安徽省自然科学基金项目1项(并联多维隔振平台动力学性态研究,编号1508085ME70)。获安徽省科技进步二等奖1项(编号J-2020-2-141-R2)、安徽省教学成果奖三等奖1项(编号2019jxcgj820-1)、国家授权发明专利48项;
成果资料
产业化落地方案