科研之友
微信
新浪微博
Facebook
分享链接
摘要
在自动驾驶领域中，道路目标检测与识别是关键一环，直接关系到智能汽车的行车安全。在驾驶场景下目标种类多，大小差距大，导致卷积网络无法充分提取目标的位置信息，是道路场景检测准确率较低的主要原因，针对该问题，提出一种基于显著性信息改进的Sa-YOLOV5s算法。首先，利用改进的语义分割网络（SaNet）充分提取语义信息，获取显著性图像。然后将显著性图像与不同尺度的卷积层特征进行融合，增强背景与目标的辨别性。最后利用DIOU-NMS充分计算所有检测框的位置，进一步减少误检和漏检的情况。通过与BshapeNet+算法及DIDN算法进行对比试验，验证了该方法在Cityscapes数据集上检测性能优于BshapeNet+算法及DIDN算法，平均检测精度分别上升了 2.4％ 和7.2％；检测实时性方面，推理速度为33帧/秒，达到了实时检测24帧/秒的标准。
- 单位
