Метод обнаружения объектов на основе изображений с автомобиля предоставляет дешевое и эффективное решение для восприятия окружающей дорожной среды, но в то же время предъявляет высокие требования к точности и скорости обнаружения. В данной статье проводится исследование одностадийного алгоритма обнаружения объектов на основе глубокого обучения YOLOv3 с внедрением механизма самовнимания. В глубоких слоях его сети встроен модуль самовнимания с гауссовой маской, что снижает недостаток ограниченного рецептивного поля сверток, позволяя захватывать больше глобальной информации и улучшать точность алгоритма. Результаты экспериментов показывают, что улучшенная модель на датасете MS COCO 2017 достигает mAP@0.5 на уровне 56.88% и точности 65.31%. По сравнению с YOLOv3 улучшение mAP@0.5 составило 2.56%, а точности — 3.53%. Хотя скорость обнаружения немного снизилась, улучшена эффективность модели, что лучше поддерживает такие приложения, как помощь водителю.

Обнаружение объектов;Сеть YOLOv3;Самовнимание;Помощь водителю