基于深度监督特征融合的车辆目标检测方法研究

摘要：

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：深度学习、高级辅助驾驶(ADAS)、实例分割、特征融合、深度监督

所属期刊栏目：51

分类号：TP391.4;TP273+.2(计算技术、计算机技术)

资助基金：陕西工业职业技术学院院级科研计划项目2020YKYB-026

在线出版日期：2022-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：58-63