基于改进EfficientFormer的自动驾驶目标检测算法

车辆目标检测技术是自动驾驶车辆环境感知模块的关键,对驾驶安全至关重要。本文在EfficientFormer算法的基础上,使用加入了3×3卷积的FFN替代局部token混合器,抓取局部和全局信息。在注意力中加入深度3×3卷积,将局部信息注入到值矩阵V中,并添加全连接层实现注意力头之间的相互通信。将池化和3×3 DWConv分别作为稳定和可学习局部下采样并进行结合,得到注意力下采样机制。利用4阶段模型和阶段分配进行搜索空间优化。利用BDD100K数据集进行训练,得到改进的EfficientFormer算法的mAP达到58.9%,精准率达到了76.4%,召回率达到了49.1%,比其他主流算法性能更加优越。同时,其在真实场景检测中的延迟降低到了7.2ms,这表明该算法在自动驾驶目标检测中即有精准性又有时效性。