Resumen

La detección de objetos es una parte importante de la tecnología de conducción autónoma. Para garantizar la seguridad de la conducción de los vehículos a alta velocidad, es necesario detectar en tiempo real y con precisión todos los objetos de la carretera. Cómo equilibrar la velocidad y la precisión de la detección es un tema de investigación candente en los últimos años. Este artículo presenta un algoritmo de detección de objetos de una sola etapa basado en YOLOv4, que mejora la precisión de la detección y permite el funcionamiento en tiempo real. La columna vertebral del algoritmo duplica los tiempos de apilamiento del último bloque residual de CSPDarkNet53. El cuello del algoritmo sustituye el SPP por la estructura RFB, mejora la estructura PAN del módulo de fusión de características, añade el mecanismo de atención CBAM y la estructura CA a la columna vertebral y a la estructura del cuello, y finalmente reduce la anchura total de la red a los 3/4 originales, con el fin de reducir los parámetros del modelo y mejorar la velocidad de inferencia. En comparación con YOLOv4, el algoritmo de este trabajo mejora la precisión media en el conjunto de datos KITTI en un 2,06 y el conjunto de datos BDD en un 2,95%. Cuando la precisión de la detección es prácticamente la misma, la velocidad de inferencia de este algoritmo se incrementa en un 9,14%, y puede detectar en tiempo real a una velocidad de más de 58,47 FPS.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:velocidad de inferencia, precisión de detección, algoritmo, módulo de fusión de características, tecnología de conducción autónoma, tema de investigación candente, bloque de cspdarknet53, precisión de detección, algoritmo de detección de objetos, mecanismo de atención cbam
• Keywords:inference speed, detection accuracy, algorithm, features fusion module, autonomous driving technology, hot research topic, block of cspdarknet53, accuracy of detection, object detection algorithm, attention mechanism cbam