【技术实现步骤摘要】
本专利技术涉及自动驾驶，特别涉及一种用于改进自动驾驶系统的小目标检测模型。该小目标检测模型基于yolov8，用于提高在复杂驾驶场景中小目标的检测精度和实时性，从而增加自动驾驶系统的安全性和鲁棒性。
技术介绍
1、自动驾驶技术的发展已经取得了巨大进展，将人工智能和计算机视觉技术应用于汽车领域，使汽车能够在没有人类驾驶干预的情况下进行导航和决策。然而，在实际道路环境中，自动驾驶面临着各种复杂因素，包括复杂的道路结构、不断变化的交通情况、各种天气条件、光照变化以及道路上的各种障碍物。
2、目标检测作为自动驾驶技术中至关重要的一部分，负责识别和定位道路上的各种物体，包括其他车辆、行人、自行车、标志和交通信号等。目标检测的准确性和实时性直接影响到自动驾驶系统的安全性和可行性。在复杂场景中，小目标的检测尤为具有挑战性，因为它们容易受到遮挡、光照不足以及远距离的影响。
3、传统的目标检测方法在小目标检测方面存在一些局限性，包括精度不足和处理速度不够快。因此，需要一种新的方法，以提高小目标检测的性能，并满足实时性要求。
<...【技术保护点】
1.基于YOLOv8的自动驾驶小目标检测模型，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于YOLOv8的自动驾驶小目标检测模型，其特征在于，所述步骤1中，SODA10M是一个新的大规模2D自动驾驶目标检测数据集，包含6个代表性物体类别的标注图像，分别是行人、自行车人员、汽车、卡车、电车、三轮车。同时数据丰富多样，图片从32个不同的城市中选取，囊括了中国的大部分区域。同时图片包含了多种不同的道路场景(城市，高速，城乡道路，园区)，天气(晴天，多云，雨天，雪天)，时间段(白天，晚上，凌晨，黄昏)。通过随机抽样的划分方法将数据集划分为训练集、验...
【技术特征摘要】
1.基于yolov8的自动驾驶小目标检测模型，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于yolov8的自动驾驶小目标检测模型，其特征在于，所述步骤1中，soda10m是一个新的大规模2d自动驾驶目标检测数据集，包含6个代表性物体类别的标注图像，分别是行人、自行车人员、汽车、卡车、电车、三轮车。同时数据丰富多样，图片从32个不同的城市中选取，囊括了中国的大部分区域。同时图片包含了多种不同的道路场景(城市，高速，城乡道路，园区)，天气(晴天，多云，雨天，雪天)，时间段(白天，晚上，凌晨，黄昏)。通过随机抽样的划分方法将数据集划分为训练集、验证集和测试集，为模型的训练、验证和评估模型性能提供可靠的数据支持，确保模型能够充分学习不同情况下的小目标检测任务，增强其泛化性能。
3.根据权利要求1所述的基于yolov8的自动驾驶小目标检测模型，其特征在于，所述步骤2中，针对小目标检测任务而改进的结构包括以下关键组成部分：
4.根据权利要求1所述的基于yolov8的自动驾驶小目标检...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。