基于CB-CenterNet的自动驾驶遮挡目标检测

作者：时义; 贾世杰

来源：大连交通大学学报, 2022, 43(03): 115-120.

DOI：10.13291/j.cnki.djdxac.2022.03.021

• 自动驾驶
• CB-CenterNet
• 遮挡目标检测
• 特征融合
• 注意力机制

针对自动驾驶场景中被遮挡物体的目标检测问题，提出一种基于改进CenterNet(CB-CenterNet)的无锚点端到端目标检测算法.首先在特征提取网络的基础上设计具有增强复合连接模块的差级级联特征融合结构，并在其中的残差块里添加具有通道与空间跨维度交互的注意力模块，以引导网络模型关注被遮挡的目标；其次在分类和回归支路上添加具有可以控制高斯核形状的改进高斯采样模块，以加快网络的训练速度.在BDD100K数据集上的测试结果表明：改进的CenterNet与三种主流检测算法进行对比，平均精确率均值(mAP)提升2.8%～17.8%,与CenterNet相比mAP提升4.9%,训练速度提升31.1%.

• 单位
  大连交通大学