DDRN:用于自动驾驶汽车对象检测的双精炼网络的DETR
Jiayao Li1, Chak Fong Cheang2,3,4, Zhaolong Du1
1School of Computer Science and Engineering, Faculty of Innovation Engineering, Macau University of Science and Technology, Taipa, Macao Special Administrative Region, China.
Scientific reports
|December 24, 2025
概括
在自动驾驶中检测小物体是一项挑战. 一种新的方法,双精炼网络 (DDRN) 的DETR,提高了对象检测准确性和可靠性,以实现更安全的自动驾驶系统.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 对象检测对于自动驾驶的感知,决策和控制至关重要.
- 现有的探测器难以检测小物体和复杂的驾驶环境,这会影响安全性和效率.
研究的目的:
- 为了提高自动驾驶系统中的物体检测性能.
- 为了应对小型物体检测和环境复杂性的挑战.
主要方法:
- 建议特征金字塔网络-α (FPN-α) 通过重新加权深层参与来改善小物体检测.
- 引入分类改进网络 (CRN) 和本地化改进网络 (LRN) 以优化分类和本地化.
- 将这些组件集成到使用双精炼网络 (DDRN) 的DETR中.
主要成果:
- 在公共自动驾驶数据集上实现了1.4%和1.1%的平均精度 (AP) 改进.
- 与一些先进的物体探测器相比,其表现优越.
- 验证了拟议的DDRN方法的有效性,稳定性和适用性.
结论:
- DDRN有效地解决了小物体检测和复杂环境中的限制.
- 拟议的方法显著提高了自动驾驶感知系统的安全性和效率.
- 对于现实世界中的自动驾驶应用,DDRN显示出强大的潜力.
