PulseAugur
中
实时 14:26:17
English(EN) Hierarchically Decoupled Mixture-of-Experts for Robust Traffic Sign Recognition in Complex Driving Scenarios

新的专家混合（MoE）框架提高了交通标志识别的准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为 CBDES MoE TSR 的新型专家混合（MoE）框架，以提高自动驾驶中的交通标志识别能力。该方法使用动态路由机制，为给定图像选择最合适的专家模型，摒弃了静态、全局共享参数的做法。该系统在一个复合交通标志数据集上展示了 mAP50-95 准确率提高了 2.3%，达到 76.8%，同时计算开销减少了 39.4%。 AI

影响 在各种条件下增强了自动驾驶感知系统的鲁棒性。

排序理由 详细介绍新模型架构及其性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Mingxiao Wang, Xiaozhen Qu, Bolin Gao, Tong Wang, Lei He ·

    Hierarchically Decoupled Mixture-of-Experts for Robust Traffic Sign Recognition in Complex Driving Scenarios

    arXiv:2606.01822v1 Announce Type: new Abstract: Traffic sign detection is a fundamental component of environmental perception in autonomous driving and intelligent transportation systems. However, most existing detectors rely on static inference with globally shared parameters, l…

相关实体

相关话题