改进YOLOX的自动驾驶场景目标检测算法

作     者：陈商盈 倪受东 童林 CHEN Shangying;NI Shoudong;TONG Lin

作者机构：南京工业大学机械与动力工程学院南京211800 

基　　金：江苏省科技政策引导类计划(产学研合作)/前瞻性联合研究项目(BY2016005-05) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第12期

页      码：225-233页

摘      要：针对原始YOLOX在自动驾驶场景中易出现小目标的误检及漏检问题,提出一种改进YOLOX网络模型的检测方法。增加一个检测头,显著提高了小目标的检测精度。用更快的空间金字塔池化(spatial pyramid poolingfast,SPPF)替代传统的空间金字塔池化(spatial pyramid pooling,SPP)结构,并引入了高效通道注意力机制(efficient channel attention,ECA),以增强模型对复杂背景和小目标的识别能力,有效降低了小目标的漏检率。在网络的neck部分,采用深度可分离的卷积方法,进一步提高了计算效率。基于KITTI数据集,设计了一种新的数据增强技术,提高模型的训练稳定性。实验结果表明,优化后YOLOX算法的小目标平均精度APS和平均召回率AR分别提升了0.20和0.097,在小目标检测上取得了显著进步,并大大降低了漏检率。

主 题 词：自动驾驶 YOLOX 目标检测 注意力机制 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3778/j.issn.1002-8331.2310-0197

馆 藏 号：203128194...