摘要
本发明属于道路车辆控制系统领域,具体涉及面向暴雪天气的目标检测系统与驾驶冲突风险评估方法,所述目标检测系统以YOLOv11n为基础架构,在YOLOv11n模型主干网络的第一Conv模块与第二Conv模块之间嵌入改进细节增强模块;并将YOLOv11n模型颈部网络的C3K2模块中的卷积模块替换成门控瓶颈卷积模块;改进细节增强模块数据处理流程可归纳为“先并行差分提取,中自适应调节输出,后等价重参数化,末残差连接信息增强;门控瓶颈卷积模块先利用小波变换卷积网络捕获图像的多尺度频率信息,提升模型对于整体环境的感知能力,同时利用门控机制,根据输入内容自适应调节信息流,强化重要特征、抑制无效冗余,解决暴雪天气下车辆目标检测精度低、小目标漏检率高的技术问题。
技术关键词
卷积模块
风险评估方法
深度图
网络
天气
道路车辆控制系统
支路
数据处理模块
输出特征
双线性插值
瓶颈
注意力
单目深度估计
多尺度
风险评估模型
矩阵
解码器结构
表达式
系统为您推荐了相关专利信息
参数估计方法
参数估计模型
蓄电池组
神经网络模型
放电起始电压
移动式储能
储能充电站
集群控制方法
交通拥堵状态
地点
状态分类方法
多任务学习网络
CSP算法
原始脑电信号
多任务分类
故障检测模型
电力通信数据
电力通信网络
电力通信技术
频率