摘要

设计了一个基于深度学习的驾驶环境感知网络来同时进行目标检测、可行驶区域分割和车道线检测等三个任务。它由一个用于特征提取的编码器和三个用于处理特定任务的解码器组成。通过加入特征融合模块、注意力模块和多任务学习机制使得改进后的算法更适合于驾驶环境感知,增强了对驾驶环境图像特征的提取,提升了模型识别精度和推理速度。在BDD100K数据集上进行的大量实验充分证明了所提出模型的有效性。