公开(公告)号：CN116824537A

公开(公告)日：2023-09-29

申请号：CN202211467563.2

申请日：2022-11-22

Applicant: 重庆邮电大学

Inventor： 唐伦 ,  黄昂 ,  陈前斌

IPC: G06V20/58 ,  G06V20/56 ,  G06V20/70 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明涉及一种自动驾驶多任务视觉感知方法，属于自动驾驶领域。采取硬约束式多任务网络的方式同时利用目标检测和语义分割的方法对图像进行全面的感知；采用单阶段目标检测网络yolov5的主干网络和特征金字塔网络组成网络的编码器，实现对图像的特征进行提取和融合。利用目标检测解码器和语义分割解码器来分别实现对行人、车辆的目标检测和车道线及可行驶区域的语义分割任务；采用卷积和特征图拼接代替传统残差模块中的相加来融合共享网络层中的位置信息，减少了目标边缘定位信息的丢失从而改善了车道线和可行驶区域之间的边缘检测模糊的问题。利用任务学习挖掘不同检测任务间的隐藏信息，从而提高模型整体的检测精度。

公开(公告)号：CN116109602A

公开(公告)日：2023-05-12

申请号：CN202310140592.6

申请日：2023-02-20

Applicant: 重庆邮电大学

Inventor： 唐伦 ,  黄昂 ,  潘翔 ,  陈前斌

IPC: G06T7/00 ,  G06V10/80 ,  G06T7/70 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于密集连接注意力的交通标志检测方法，属于智能交通领域。针对自动驾驶目标检测任务中广视野下交通标志目标小的问题，提出了一种基于密集连接注意力的交通标志检测算法DCAM‑YOLO。在特征增强网络和检测头部之间嵌入密集连接型空间注意力机制模块DCAM，DCAM对输入的特征进行多次卷积得到多个尺寸相同的特征图，然后将得到特征图沿通道方向挖掘空间注意力特征形成空间注意力特征网络层，最后利用密集连接的方式将得到的多个空间注意力特征网络层进行融合形成密集连接型的注意力权重，增加对输入特征中有效信息的利用率，实现了更高层次的融合强化了对特征的提取。