当前位置: 首页 > 专利查询>东南大学专利>正文

基于双阶段检测头及CANet-PAN融合网络的多车体组件协同感知方法技术

技术编号:46612455 阅读:1 留言:0更新日期:2025-10-14 21:10
本发明专利技术公开了一种基于双阶段检测头及CANet‑PAN融合网络的多车体组件协同感知方法,包括:建立高速公路环境下多目标车体‑组件区域检测数据集;建立高速公路环境下车体‑组件区域关联性匹配数据集;构建用于多目标车体‑组件区域“检测+匹配”的协同感知模型CA‑PAN‑Perception;构建用于多目标车体‑组件区域“检测+匹配”的协同感知模型CA‑PAN‑Cascade‑Perception;进行对比实验,选取性能最好的CA‑PAN‑Cascade‑Perception感知模型用于高速公路环境下多目标车体‑组件区域“检测+匹配”的协同感知。本发明专利技术通过多模态特征融合与级联优化机制,结合注意力机制,实现在复杂气象条件下全天候对车体及其关键组件高精高效感知,提升高速公路门架ETC系统感知的性能。

【技术实现步骤摘要】

本专利技术属于智能交通、智慧高速研究领域,具体涉及一种基于双阶段检测头及canet-pan融合网络的多车体组件协同感知方法。


技术介绍

1、随着交通智能化的深入发展和推进,传统的单一车体信息感知技术已经无法满足目前的门架etc收费系统需求。车体信息感知技术正向着多车道、多车体和多维度同时感知的方向发展。在深度学习中模型需要从大量冗余信息中识别出与任务目标最相关的部分,注意力机制正是用来帮助网络在训练过程中自动识别并强调这些关键区域或特征,被广泛应用于计算机视觉领域和自然语言处理领域,它允许神经网络模型在处理数据时集中注意力于相关的部分,使神经网络模型将有限的注意力集中在重点信息上,从而减少算力资源浪费,提升模型感知效果。特征融合模型是一种提升模型性能的常见方法,融合目的就是把不同模型或者不同层级的特征进行提取,然后再有效整合起来,综合两者提取的有用信息,增强最终输出的鲁棒性和泛化能力。两阶段cascade head提升在rpn网络选出的候选框质量而不显著增加复杂度。因此本专利技术提出了一种基于双阶段检测头及canet-pan融合网络的多车体组件协同感知方法本文档来自技高网...

【技术保护点】

1.一种基于双阶段检测头及CANet-PAN融合网络的多车体组件协同感知方法,其特征在于:包括如下步骤:

2.根据权利要求1所述的一种基于双阶段检测头及CANet-PAN融合网络的多车体组件协同感知方法,其特征在于:所述步骤S1的具体方法如下:

3.根据权利要求2所述的一种基于多阶段检测头及注意力融合机制的多车体及多目标组件区域感知方法,其特征在于:所述步骤S2的具体方法如下:

4.根据权利要求1所述的一种基于双阶段检测头及CANet-PAN融合网络的多车体组件协同感知方法,其特征在于:所述步骤S3的具体方法如下:

5.根据权利要求4所述的...

【技术特征摘要】

1.一种基于双阶段检测头及canet-pan融合网络的多车体组件协同感知方法,其特征在于:包括如下步骤:

2.根据权利要求1所述的一种基于双阶段检测头及canet-pan融合网络的多车体组件协同感知方法,其特征在于:所述步骤s1的具体方法如下:

3.根据权利要求2所述的一种基于多阶段检测头及注意力融合机制的多车体及多目标组件区域感知方法,其特征在于:所述步骤s2的具体方法如下:

4.根据权利要求1所述的一种基于双阶段检测头及canet-pan融合网络的多车体组件协同感知方法,其特征在于:所述步骤s3的具体方法如下:

5.根据权利要求4所述的一种基于双阶段检测头及canet-pan融合网络的多车体组件协同感知方法,其特征在于:所述步骤s3-4中canet-1注意力机制通道加权的具体内容如下:

6.根据权利要求4所述的一种基于双阶段检测头及canet-pan融合网络的多车体组件协同感知方法,其特征在于:所述步骤s3-12中canet-2注意力机制通道加权的具体内容如下:

7.根据权利要求4所述的一种基于双阶段检测头及canet-pan融合网络的多车体组件协同感知方法,其特征在于:所述步骤s3-10中结合nms非极大值抑制算法、预匹配结构层和几何缩放变...

【专利技术属性】
技术研发人员:赵池航吴天佑祖贵文杜群乐高菁杨晓波霍学臣李晓叶宋萍王亚世杨威何义军
申请(专利权)人:东南大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1