改良されたYOLO11アルゴリズムに基づく車両・道路協力型自動運転のオブジェクト検出モデル

科学分野:

• コンピュータ・ビジョン
• 人工知能
• 自動運転システム

背景:

• 自動運転システムは 複雑な道路や遠くのシーンで 小さく隠された標的を正確に検出する上で 課題に直面しています
• 既存のアルゴリズムは 検出精度が低く 偽陽性で 検出を逃しています

研究 の 目的:

• YOLOv11に基づいた自動運転のための改良された小型の標的検出アルゴリズムを開発する.
• 特徴の抽出,小さな標的の理解,複雑なシナリオにおけるモデルの効率を高める.

主な方法:

• 機能抽出と遮断処理を改善するために,バックボーンネットワークに埋め込まれたチャネルトランスポーズ注意 (C3CTAモジュール).
• 複雑なシーンでの小さな標的の理解を高めるため,ネックにディフュージョン・フォーカシング・ピラミッド・ネットワークを導入しました.
• 軽量要求のモデルパラメータを減らすために軽量共有コンボリューション検出ヘッドを実装しました.

主要な成果:

• 改善されたアルゴリズムは,DAIR-V2X-Iデータセットで85. 7%の精度,79. 4%のリコール,85. 3%のmAP@0. 5と61. 3%のmAP@0. 5-95を達成しました.
• 主要指標では4. 0%,3. 1%,2. 4%,2. 8%の増加で,ベースラインモデルよりも有意な改善を示した.
• オーバーラップしたオークルションの課題に対処し,車両のターゲット特徴の抽出を改善しました.

結論:

• 提案されたYOLOv11ベースのアルゴリズムは,自律運転における小さなターゲット検出の精度を効果的に高めます.
• C3CTA,拡散フォーカシングピラミッドネットワーク,および軽量共有コンボリューション検出ヘッドの統合は有効であることが証明されています.
• この研究は 挑戦的な自動運転環境で 強力な標的検出のための新しい解決策を提供します