Resumen

La detección de vehículos es una tarea crucial en los sistemas de conducción autónoma. Debido a la gran variación de escalas y la fuerte oclusión de vehículos en una imagen, esta tarea sigue siendo un problema desafiante. Los métodos recientes de detección de vehículos típicamente explotan una pirámide de características para detectar vehículos en diferentes escalas. Sin embargo, las limitaciones en el diseño impiden que las características multiescala se exploren completamente. Este artículo introduce una arquitectura de pirámide de características para abordar este problema. En la arquitectura propuesta, se diseña una red de propuesta de región mejorada para generar mapas de características intermedias que luego se utilizan para agregar representaciones más discriminativas a los mapas de características generados por la red principal, así como para mejorar el costo computacional de la red. Para generar representaciones de características más discriminativas, este artículo introduce un módulo de mejora de múltiples capas para ponderar nuevamente las representaciones de características de los mapas de características generados por la red principal para aumentar la discriminación de

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Detección de vehículos; Sistemas de conducción autónoma; Pirámide de características; Red de propuestas regionales; Representaciones discriminativas; Módulo de agrupación de regiones de interés
• Keywords:Vehicle detection; Autonomous driving systems; Feature pyramid; Region proposal network; Discriminative representations; RoI pooling module