仪器仪表学报

作者：冯明驰，卜川夏，萧 红

单位：冯明驰,1.重庆邮电大学先进制造工程学院,,卜川夏,1.重庆邮电大学先进制造工程学院,,萧 红,1.重庆邮电大学先进制造工程学院,

关键词：增强现实抬头显示器;多任务卷积神经网络;目标检测;语义分割

基金：国家自然科学基金(51505054)、重庆市科技局(cstc2019jscx-zdztzxX0050)项目资助

汽车上AR-HUD已经得到了广泛应用,其环境感知模块需完成目标检测、车道分割等多个任务,但是多个深度神经网络同时运行会消耗过多的计算资源。针对这一问题,本文提出一种应用于AR-HUD环境感知的轻量级多任务卷积神经网络DYPNet,其以YOLOv3-tiny框架为基础,融合金字塔池化模型、DenseNet的密集连接结构、CSPNet网络模型的思想,在精度未下降的情况下大幅减少了计算资源消耗。针对该神经网络难以训练的问题,提出了一种基于动态损失权重的线性加权求和损失函数,使子网络损失值趋于同步下降,且同步收敛。经过在公开数据集BDD100K上训练及测试,结果表明该神经网络的检测mAP和分割mIOU分别为30%,77.14%,使用TensorRt加速后,在JetsonTX2上已经可以达到15frame·s-1左右,已达到ARHUD的应用要求,并成功应用于车载AR-HUD。

来源：2021年第3期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第3期