摘要
نظرًا لقيود الأجهزة في سيناريوهات القيادة الذاتية وظاهرة تعدد المقاييس والحجب التي تؤدي إلى أداء كشف ضعيف، يقترح هذا البحث خوارزمية كشف أهداف خفيفة الوزن RT-DETR-light لمهمة الكشف عن المركبات. أولاً، تم اقتراح استخدام وحدة CG Block لتحسين وحدة الالتفاف للشبكة الأساسية، وبناء شبكة استخراج ميزات خفيفة الوزن CGResNet بناءً على ذلك لتحقيق توازن بين سرعة الاستدلال ودقة الكشف. في مرحلة دمج الميزات، تم إدخال شبكة هرمية ثنائية الاتجاه للميزات BiFPN لتحقيق تحسين الدقة من خلال نقل المعلومات في كلا الاتجاهين. أخيرًا، وللتغلب على مشاكل دقة تحديد المواقع في الأهداف الصغيرة وسيناريوهات الحجب في مهمة كشف أهداف المركبات، تم تصميم دالة خسارة محسنة EPGIoU لتحسين استقرار التدرج في السيناريوهات القصوى من خلال تصميم متعاون متعدد القيود. أظهرت نتائج التجارب أن خوارزمية البحث وصلت إلى mAP@0.5 ودقة بلغت 75.0% و74.5% على مجموعة بيانات UA-DETRAC، مع تخفيض في عدد المعاملات والحسابات بنسبة 26.4% و18.0% مقارنة بالخوارزمية الأساسية، وسرعة كشف تحسنت بنسبة 1.4 نقطة مئوية. أكثر من ذلك، تم تأكيد قدرة التعميم من خلال التقييم عبر المجموعات على مجموعة بيانات BDD100K-Sub. الخوارزمية المقترحة حققت مزايا ملحوظة في دقة الكشف، والخفة، وسرعة الاستدلال، مما يوفر حلًا أفضل لكشف المركبات في الوقت الحقيقي ونشر الأجهزة الطرفية في سيناريوهات القيادة الذاتية.
关键词
التعلم العميق;خوارزمية RT-DETR;خفيف الوزن;كشف أهداف المركبات
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website