Research on road object detection algorithm based on improved YOLOX

要約

道路物体検出は、自動運転技術の重要な分野です。検出精度が高いモデルほど、車両の安全運転に役立ちます。
路上物体検出では、小さな物体や遮蔽物を見逃してしまうことが重要な問題となります。
したがって、オブジェクトの見落とし率を減らすことは、安全な運転にとって非常に重要です。
この論文の作業では、改善する YOLOX オブジェクト検出アルゴリズムに基づいて、DecIoU バウンダリ ボックス回帰損失関数を提案し、予測ボックスと実際のボックスの形状の一貫性を改善し、プッシュ ロスを導入してバウンダリ ボックス回帰損失関数をさらに最適化します。
、より多くの遮られたオブジェクトを検出するために。
さらに、動的アンカー ボックス メカニズムは、信頼ラベルの精度を向上させるためにも使用され、アンカー ボックスを使用しないオブジェクト検出モデルのラベルの不正確性を向上させます。
KITTI データセットでの多数の実験は、提案された方法の有効性を示しています。改善された YOLOX-s は、KITTI データセットで 88.9% の mAP と 91.0% の mAR を達成しました。
改善された YOLOX-m は、2.30% および 4.10% のベースライン バージョンの改善と比較して、89.1% の mAP および 91.4% の mAR を達成しました。

要約(オリジナル)

Road object detection is an important branch of automatic driving technology, The model with higher detection accuracy is more conducive to the safe driving of vehicles. In road object detection, the omission of small objects and occluded objects is an important problem. therefore, reducing the missed rate of the object is of great significance for safe driving. In the work of this paper, based on the YOLOX object detection algorithm to improve, proposes DecIoU boundary box regression loss function to improve the shape consistency of the predicted and real box, and Push Loss is introduced to further optimize the boundary box regression loss function, in order to detect more occluded objects. In addition, the dynamic anchor box mechanism is also used to improve the accuracy of the confidence label, improve the label inaccuracy of object detection model without anchor box. A large number of experiments on KITTI dataset demonstrate the effectiveness of the proposed method, the improved YOLOX-s achieved 88.9% mAP and 91.0% mAR on the KITTI dataset, compared to the baseline version improvements of 2.77% and 4.24%; the improved YOLOX-m achieved 89.1% mAP and 91.4% mAR, compared to the baseline version improvements of 2.30% and 4.10%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google