TDGL模块:一个快速的多尺度视觉传感器,基于变换扩展分组层.
Leilei Xie1, Fenghua Zhu2, Zhixue Wang2
1School of Rail Transportation, Shandong Jiaotong University, Jinan 250357, China.
Sensors (Basel, Switzerland)
|January 7, 2026
概括
本研究介绍了变换扩展分组层 (TDGL) 模块,用于更快,更准确的道路物体检测. TDGL增强了深度学习模型,改善了自动驾驶汽车的多尺度特征捕获.
科学领域:
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
- 自主系统 自主系统
背景情况:
- 捕获多尺度物体特征对于道路物体检测至关重要.
- 传统的方法与动态适应和充分利用空间层次的斗争.
研究的目的:
- 提出一种新的变换扩展分组层 (TDGL) 模块,以实现高效和准确的道路目标特征提取.
- 增强基于深度学习的视觉传感器,用于自动驾驶应用.
主要方法:
- 开发了基于全球层规范化卷积 (GLConv) 的变换扩展分组层 (TDGL) 模块.
- 在GLConv单元中包含了缩放,偏移参数,修改的扩张策略和分组的卷积.
- 将TDGL模块集成到YOLO模型中,以创建TDGL Net功能提取器.
主要成果:
- 在大约310万个参数的BDD100K数据集上,TDGL Net实现了40.3%的平均平均精度 (mAP).
- 在转换优化后,演示了58 FPS的推断速度,满足实时检测要求.
结论:
- 该TDGL模块有效地捕获多尺度特征,优化空间信息处理,并降低计算成本.
- TDGL Net为自动驾驶汽车的实时道路物体检测提供了一个有前途的解决方案.


