无人驾驶方程式赛车轻量化目标检测算法.pdfVIP

第37卷第2期 湖北汽车工业学院学报 Vol.37 No.2 2023年6月 JournalofHubeiUniversityofAutomotiveTechnology Jun.2023 doi：10.3969/j.issn.1008-5483.2023.02.004 无人驾驶方程式赛车轻量化目标检测算法 汤文靖 ，兰建平 ，周海鹰1 1 2 （1.湖北汽车工业学院 汽车工程师学院，湖北 十堰 442002；2.东风电子科技股份有限公司，上海 200063） 摘 要：针对现有无人驾驶方程式赛车目标检测算法运算量大、精度低等问题，提出方程式赛车目标检测算法。 在图像预处理阶段，裁剪图片中无正样本部分，图片被小幅随机缩放平移。在网络结构上，调整ShuffleNetv2的结 构，加强对颜色、光照和边缘等浅层特征的关注，利用特征金字塔对输出特征进行融合处理，基于广义焦点损失 优化损失函数，获取正样本的类别和位置信息。实验结果表明：在FSACOCO数据集，文中算法的平均精度达到 97.9%，浮点运算量为1.14GFLOPs，优于其他对比算法。 关键词：ShuffleNetv2；FPN；GFL；锥桶检测；轻量化；注意力机制 中图分类号：TP391.41；TP183 文献标识码：A 文章编号：1008-5483（2023）02-0017-05 LightweightTargetDetectionAlgorithmfor UnmannedFormulaRacing 1 1 2 TangWenjing,LanJianping,ZhouHaiying （1.InstituteofAutomotiveEngineers,HubeiUniversityofAutomotiveTechnology,Shiyan442002,China； 2.DongfengElectronicTechnologyCo.Ltd,Shanghai200063,China） Abstract：Tosolvetheissuesofhighcomputationandpooraccuracyofexistingunmannedformularac‐ ingtargetidentificationalgorithms,Formulacartargetdetectionalgorithmwaspresented.Intheimage pre-processingstage, thepartwithoutpositivesamplesintheimagewascutoff, andtheimagewas pannedwithasmallrandomzoom.ThenetworkstructureofShuffleNetv2wasadjustedtoimprovethe focusonshallowfeaturessuchascolor,lighting,andedges.Theoutputfeatureswerefusedbyusinga featurepyramidsnetwork(FPN),thelossfunctionwasoptimizedbyusinggeneralizedfocalloss (GFL), andtheclassificationandpositioninformationofpositivesampleswereacquired.Experimentalresults showthat, inFSACOCOdataset, theaverageaccuracyofthisalgorithmis 97.9%, andthefloati