科研之友
微信
新浪微博
Facebook
分享链接
摘要
高速异物易引起汽车失控，造成交通安全事故。针对现阶段高速异物数据集复杂度低以及高速异物检测算法存在检测精度低、浮点计算量高等问题，提出了模拟场景数据集扩充方法和一种名为RoadNetV2的高速异物检测算法。模拟场景数据集扩充方法利用相似数据集进行场景模拟扩充。RoadNetV2高速异物检测算法采用了Light-Focus浅层信息增强模块和C3＿CD特征提取模型作为backbone主要组件、采用CoordConv与自定义Conv组合的方法降低neck部分的复杂度、采用多权值平衡计算策略辅助alpha-CIOU进行弱小目标高效位置回归。实验证明RoadNetV2高速异物检测算法相比于现阶段同系列YOLO算法，浮点计算量最多降低了14.54G仅为12.4G、mAP(Mean Average Precision)最高提升了3.5%达到61.1%，权重文件仅为8.7MB减少了4.98MB。RoadNetV2高速异物检测算法满足嵌入式边缘设备以及移动端设备的部署要求，搭配自主研发的巡检设备，可以一定程度上解决人工巡检所产生工作懈怠的情况。
- 单位
