El Módulo TDGL: Un Sensor de Visión Rápido Multiescala Basado en una Capa Dilationada de Grupo de Transformación

Área de la Ciencia:

• Visión por Computadora; Aprendizaje Profundo; Sistemas Autónomos

Sus antecedentes:

• La captura de características de objetos multiescala es vital para la detección de objetos en carretera.; Los métodos tradicionales tienen dificultades con la adaptación dinámica y la utilización completa de las jerarquías espaciales.

Objetivo del estudio:

• Proponer un novedoso módulo Transformation Dilated Grouped Layer (TDGL) para la extracción eficiente y precisa de características de objetivos en carretera.; Mejorar los sensores de visión basados en aprendizaje profundo para aplicaciones de conducción autónoma.

Principales métodos:

• Desarrolló el módulo Transformation Dilated Grouped Layer (TDGL) basado en Global Layer Normalization Convolution (GLConv).; Incorporó parámetros de escalado, desplazamiento, estrategias de dilatación modificadas y convolución agrupada dentro de la unidad GLConv.; Integró el módulo TDGL en modelos YOLO para crear el extractor de características TDGL Net.

Principales resultados:

• La Red TDGL logró una precisión media promedio (mAP) del 40,3% en el conjunto de datos BDD100K con aproximadamente 3,1 millones de parámetros.; Demostró una velocidad de inferencia de 58 FPS después de la optimización de la transformación, cumpliendo los requisitos de detección en tiempo real.

Conclusiones:

• El módulo TDGL captura eficazmente características multiescala, optimiza el procesamiento de información espacial y reduce los costos computacionales.; El TDGL Net ofrece una solución prometedora para la detección de objetos en carretera en tiempo real en vehículos autónomos.