YOLOPv2：更优、更快、更强全景驾驶感知
计算机视觉与模式识别
2022-08-25 v1
摘要
在过去十年中，多任务学习方法在解决全景驾驶感知问题上取得了令人瞩目的成果，兼具高精度与高效率的表现。在计算资源受限的实时实用自动驾驶系统网络设计中，这已成为一种流行范式。本文提出一种高效且有效的多任务学习网络，可同时完成交通目标检测、可行驶道路区域分割与车道线检测任务。我们的模型在具有挑战性的 BDD100K 数据集上取得了精度与速度方面新的最先进(SOTA)性能。尤其值得注意的是，推理时间相较先前 SOTA 模型减少了一半。代码将于近期发布。
引用
@article{arxiv.2208.11434,
title = {YOLOPv2: Better, Faster, Stronger for Panoptic Driving Perception},
author = {Cheng Han and Qichao Zhao and Shuyi Zhang and Yinzi Chen and Zhenlin Zhang and Jinwei Yuan},
journal= {arXiv preprint arXiv:2208.11434},
year = {2022}
}