新框架增强自动驾驶中的物体检测能力

研究人员开发了一个名为 Context-Centric Feature Fusion (CCFF) 的新框架，以改进自动驾驶中的物体检测。该框架使用两个基于注意力（attention-based）的模块：局部上下文融合模块 (LCFM) 用于解决空间交互问题，特别是针对小型或被遮挡的物体；全局上下文注意力模块 (GCAM) 用于在不增加高计算成本的情况下捕获物体共现先验。在 Cityscapes 和 BDD100K 数据集上的评估显示，该框架在关系一致性和小型物体检测方面取得了显著改进，并且能够实时运行。 AI

影响 增强了自动驾驶系统中的实时物体检测能力，特别是针对小型和罕见物体。

排序理由 该集群包含一篇详细介绍新型物体检测框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• BDD100K
• Cityscapes
• Context-Centric Feature Fusion
• Global Context Attention Module
• Local Context Fusion Module
• RoI-to-RoI self-attention
• Train

• 论文
• 产品

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