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,如图1所示。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,如图2所示
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
安徽工程大学是一所以工为主的省属多科性高等院校和安徽省重点建设院校,学校办学始于1935年安徽私立内思高级职业学校,历经芜湖电机制造学校、芜湖机械学校、安徽机电学院、安徽工程科技学院等办学阶段,2010年更名为安徽工程大学。学校设有17个二级学院和继续教育学院,60余个本科招生专业。作为省级博士立项建设单位,学校有17个一级学科硕士学位授权点,11个硕士专业学位授权类别。
成果资料
产业化落地方案