面向视频结构化的细粒度车辆检测分类模型

针对无人驾驶环境感知技术中存在复杂交通场景理解受限的问题,本文中提出一种面向路侧端的视频结构化框架,通过丰富交通场景中不同目标的细粒度信息,提高复杂交通场景的理解能力。针对所提出的视频结构化框架,提供了一种可工程化的细粒度车辆检测分类模型。通过通道剪枝策略对YOLOv4算法进行优化,使压缩模型YOLOv4Pruned在mAP几乎不变的情况下,较原模型体积减小约60%。设计了16种类型、12种颜色的车辆分类方法可有效覆盖当前交通场景下的运行车辆,在测试集上的分类准确率可达93%。本文设计的细粒度车辆检测分类模型在1920×1080输入,NVIDIA GeForce RTX 2080Ti下可稳定在23FPS,在海思Hi3516DV300下,未量化的模型可稳定在13FPS。