基于深度学习的目标检测与可行域分割研究

为提高智能车快速检测物体对多种场景的适应能力,提出了多任务共享一个特征提取网络的联合方法。首先用ResNet-50作为编码器提取图像的特征;然后采用单发多框检测算法的多尺度特征预测和快速回归思想,对检测结果进行解码,采用DeepLab v3中的多孔空间金字塔池化结构,对经ResNet-50下采样后的图像特征进行多尺度映射、双线性上采样和批次归一化处理,完成分割解码;最后设定好参数训练联合方法。实验结果表明,该方法的平均精度均值为89.00%,分割平均交并比为83.0,每秒传输帧数为31 frame,满足智能车的应用需求。