智能网联车中基于深度学习的路口车流量检测方法及系统

本发明涉及深度学习与智能网联技术领域，公开了智能网联车中基于深度学习的路口车流量检测方法及系统，其技术方案要点是获取路口摄像头实时帧；对帧图像进行预处理；预处理后的图像再经过集成了RFCBAMConv注意力机制的Backbone模块，提取图像中的丰富特征；通过DFMhead检测头对提取的特征进行分类和回归任务，进一步确定检测出的目标类别并估算其边界框位置，输出最终的检测结果；在损失计算模块中引入SIWL作为损失函数，增强对小目标的检测能力；通过改进基于深度学习的车流量检测算法并将其应用于智能网联车中，以提高对小目标和遮挡目标的检测准确性和稳定性，使得智能网联车在已规划路径中遇到远距离路口拥堵时能够提前重新规划路径以避开拥堵路段。