版权说明 操作指南
首页 > 成果 > 详情

自动驾驶环境感知多任务去耦-融合算法

认领
导出
Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
廖存燚;郑毅;刘玮瑾;于欢;刘守印
作者机构:
华中师范大学 物理科学与技术学院,武汉 430079
武汉大学 测绘学院,武汉 430079
[刘守印; 郑毅; 刘玮瑾; 廖存燚] 华中师范大学
[于欢] 武汉大学
语种:
中文
关键词:
自动驾驶;环境感知;目标检测;实例分割;目标跟踪;多任务学习
期刊:
计算机应用
ISSN:
1001-9081
年:
2024
卷:
44
期:
02
页码:
424-431
机构署名:
本校为第一机构
院系归属:
物理科学与技术学院
摘要:
自动驾驶车辆在行驶过程中,需要对行人和车辆同时完成目标检测、实例分割和目标跟踪三个任务.提出一种基于深度学习的环境感知模型同时对三个任务进行多任务学习.首先,通过卷积神经网络对连续帧图像提取时空特征;然后,通过注意力机制对时空特征进行去耦再融合,充分利用任务间的相关性,实现不同任务对时空特征的差异化选择;最后,为平衡不同任务间的学习速率,使用动态加权平均的方式对模型进行训练.在KITTI数据集上的实验结果表明,所提模型在目标检测方面,比CenterTrack模型F1得分提高了0.6个百分点;在目标跟踪方面,比TraDeS(Track to Detect and Segment)模型多目标跟踪精度(MOTA)提高了0.7个百分...
摘要(英文):
In the process of driving,autonomous vehicles need to complete target detection,instance segmentation and target tracking for pedestrians and vehicles at the same time.An environment perception model was proposed based on deep learning for multi-task learning of these three tasks simultaneously.Firstly,spatio-temporal features were extracted from continuous frame images by Convolutional Neural Network(CNN).Then,the spatio-temporal features were decoupled and refused by attention mechanism,and differential selection of spatio-temporal features was achieved by making full use of the correlation ...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com