Algoritmo inteligente de detección de objetivos de vehículos basado en características de escala múltiple

Área de la Ciencia:

• Visión por computadora
• Inteligencia artificial
• Sistemas de transporte inteligentes

Sus antecedentes:

• Los modelos de detección de objetos a menudo enfrentan desafíos con detecciones falsas y perdidas en escenarios complejos de conducción inteligente.
• Los modelos existentes pueden tener altas cargas computacionales y grandes tamaños, lo que limita su aplicación en tiempo real.

Objetivo del estudio:

• Optimizar el algoritmo YOLOv10 para mejorar la precisión de detección de objetos y reducir la complejidad del modelo en la conducción inteligente.
• Desarrollar un marco de detección más eficiente y eficaz para los vehículos autónomos.

Principales métodos:

• Convolución flexible multiscala diseñada (MSFC) para capturar información multiscala simultánea, reduciendo la profundidad de la red y el costo computacional.
• Se reconstruyó la red de cuello utilizando Fusión Auxiliar Superficial (SAF) y Fusión Auxiliar Avanzada (AAF) para una mejor extracción de características a escala múltiple.
• Mejoró la cabeza de detección con convolución de múltiples escalas y un mecanismo de atención adaptativa de canal para la extracción de características diversas y precisas.

Principales resultados:

• El modelo optimizado YOLOv10 logró un tamaño de archivo de 13,4 MB, una reducción del 11,8% en comparación con el original.
• El modelo alcanzó una precisión media (mAP@0.5) del 93,0%, lo que demuestra una precisión de detección superior.
• El modelo mejorado superó a los modelos convencionales de detección de objetos en rendimiento general, equilibrando la precisión y el tamaño.

Conclusiones:

• Las mejoras propuestas mejoran significativamente el rendimiento de YOLOv10 para aplicaciones de conducción inteligente.
• Este modelo optimizado proporciona una solución práctica para la detección de objetos en tiempo real, equilibrando una alta precisión con recursos computacionales reducidos.
• El marco desarrollado ofrece un sistema de detección robusto para escenarios de conducción inteligente.