基于多任务学习的ADAS感知优化方法

本申请涉及辅助驾驶系统技术领域，公开了基于多任务学习的ADAS感知优化方法，方法包括：构建多任务网络模型，多任务网络模型包括共享的Backbone部分、Neck部分及Head部分；Backbone部分采用将初始的C3模块替换为C2F模块的CSP‑Darknet53结构，使用3×3卷积替换初始的6×6卷积；通过改进的Backbone部分提取特征，将特征输入到各任务的Neck部分进行融合；通过Head部分对各任务的Neck部分输出的特征进行解码处理，生成目标检测、车道线检测、距离估计和场景分类的预测结果；使用多任务损失函数优化模型参数，本发明能够提高高级辅助驾驶的检测效果和精度。