摘要
في مواجهة القيود الصعبة على الأجهزة في سيناريوهات القيادة الذاتية وظاهرة التدرج متعدد المقاييس والتداخل التي تؤدي إلى ضعف أداء الكشف، تقترح هذه الورقة خوارزمية كشف أهداف خفيفة الوزن RT-DETR-light لمهمة كشف المركبات. أولاً، تم اقتراح استخدام وحدة CG Block لتحسين وحدة التلافيف في الشبكة الأساسية، وبناء شبكة استخلاص المميزات الخفيفة CGResNet لتحقيق توازن بين سرعة الاستدلال ودقة الكشف. في مرحلة دمج المميزات، تم إدخال شبكة الهرم المميزة ثنائية الاتجاه BiFPN لرفع الدقة من خلال تمرير المعلومات في كلا الاتجاهين. أخيرًا، لمواجهة مشكلة ضعف دقة تحديد المواقع في أهداف المركبات الصغيرة والتداخل في مشاهد الكشف، تم تصميم دالة خسارة محسنة EPGIoU تقوم بتحسين استقرار التدرج في المشاهد القصوى من خلال تصميم تعاوني متعدد القيود. أظهرت النتائج التجريبية أن خوارزمية هذه الورقة حققت mAP@0.5 ودقة تبلغ 75.0% و74.5% على مجموعة بيانات UA-DETRAC، مع انخفاض بنسبة 26.4% و18.0% في حجم المعاملات والعمليات الحسابية مقارنة بالخوارزمية الأساسية، وتحسن سرعة الكشف بنسبة 1.4 نقطة مئوية. كذلك، أكدت التقييمات عبر مجموعات البيانات على BDD100K-Sub القدرة على التعميم. تحقق خوارزمية الكشف المقترحة مزايا بارزة في دقة الكشف، خفة الوزن، وسرعة الاستدلال، وتمتلك قدرة تعميم جيدة، مما يوفر حلاً أفضل للكشف الفوري عن المركبات في سيناريوهات القيادة الذاتية ونشر الأجهزة الطرفية.
关键词
التعلم العميق;خوارزمية RT-DETR;خفيفة الوزن;كشف أهداف المركبات