基于改进 YOLOX 的道路目标检测算法研究
计算机视觉与模式识别
2023-02-17 v1 人工智能
摘要
道路目标检测是自动驾驶技术的一个重要分支，检测精度更高的模型更有利于车辆的安全驾驶。在道路目标检测中，小物体与被遮挡物体的漏检是一个重要问题。因此，降低物体的漏检率对于安全驾驶具有重要意义。在本文工作中，基于 YOLOX 目标检测算法进行改进，提出 DecIoU 边界框回归损失函数以改善预测框与真实框的形状一致性，并引入 Push Loss 进一步优化边界框回归损失函数，以检测更多被遮挡物体。此外，还采用动态锚框机制来提高置信度标签的准确性，改善无锚框目标检测模型的标签不准确性。在 KITTI 数据集上的大量实验证明了所提方法的有效性，改进的 YOLOX-s 在 KITTI 数据集上达到了 88.9% mAP 和 91.0% mAR，相比基线版本分别提升 2.77% 和 4.24%；改进的 YOLOX-m 达到了 89.1% mAP 和 91.4% mAR，相比基线版本分别提升 2.30% 和 4.10%。
引用
@article{arxiv.2302.08156,
title = {Research on road object detection algorithm based on improved YOLOX},
author = {Tao Yang and Youyu Wu and Yangxintai Tang},
journal= {arXiv preprint arXiv:2302.08156},
year = {2023}
}
备注
9 pages; in Chinese