摘要
本发明公开了一种全景驾驶感知多任务学习方法及系统,属于基于深度学习的自动驾驶技术领域,对多个图像开源数据集进行尺寸调整及数据增强后获得训练数据集;构建基于改进YOLOP网络的多任务检测模型,基于改进YOLOP网络的多任务检测模型包括改进的Neck网络和多任务检测头;改进的Neck网络包括空间金字塔池模块和特征金字塔网络模块,特征金字塔网络模块包括大分辨率特征图层;多任务检测头包括车辆检测头、交通灯检测头、交通标志检测头、可行驶区域分割头和车道线分割头;对基于改进YOLOP网络的多任务检测模型采用训练数据集,结合串行策略进行模型推理训练,同时得到车辆检测、红绿灯识别、交通标志识别、可行驶区域分割和车道线分割的输出结果。
技术关键词
多任务学习方法
特征金字塔网络
红绿灯识别
检测头
交通标志识别
交通灯检测
空间金字塔池
车道
车辆
数据
多尺度特征
检测损失
交通标识识别
网络结构
分辨率
模块
自动驾驶技术
系统为您推荐了相关专利信息
多尺度特征融合
注意力机制
原始图像数据
分辨率
通道
融合算法
Sigmoid函数
特征金字塔网络
网络模块
通道
车辆检测方法
特征提取模块
多任务
姿态估计
关键点
个性化语音特征
情感特征
深度学习模型
状态监测单元
文本
无人机航拍图像
多尺度特征融合
Hadamard矩阵
检测无人机
检测头