改进SAF-FCOS的雷视融合目标检测算法

作     者：陈正浩 邓月明 谢竞 何鑫 CHEN Zhenghao;DENG Yueming;XIE Jing;HE Xin

作者机构：湖南师范大学信息科学与工程学院长沙410081 湖南华诺星空电子技术股份有限公司长沙410221 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第14期

页      面：209-218页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金(62173140,62072175) 湖南省重点研发计划项目(2022GK2067) 湖南省自然科学基金(2021JJ30452) 湖南省教育厅科学研究项目(21C0008) 

主　　题：目标检测 雷视融合 SAF-FCOS网络 多尺度融合 LNblock_GAM 

摘      要：针对雷视特征融合目标检测网络难以有效利用雷达点云信息和图像特征,在恶劣天气环境下,仍然容易出现误检、漏检的问题,提出了一种改进SAF-FCOS雷视融合目标检测网络。对SAF-FCOS的骨干网络结构进行改进,在C3、C4特征层进行雷达特征信息的多尺度融合,使网络模型更充分地利用雷达信息;在检测层前使用改进的LNblock模块——LNblcok_GAM,能够以较低的计算成本提取图像特征的同时提高网络的检测性能;在回归损失方面,使用基于EIOU与GIOU改进的CEIOU替换原网络中的GIOU,提高了网络的检测精度,提升了模型的鲁棒性。在NuScenes数据集上,改进网络的mAP_(0.5:0.95)达到了70.7%,AP_(50)达到了90.5%,比原网络SAF-FCOS分别提高了1.7个百分点和0.9个百分点,漏检、误检的情况得到了有效改善,同时,该改进网络的总体检测效果要优于其他经典的纯视觉目标检测算法。