Detección de objetos en tiempo real basada en YOLO-v2 para objetos de vehículos pequeños

En el Sistema de Conducción Automática (ADS) y el Sistema de Asistencia al Conductor (DAS), la detección de objetos desempeña un papel vital. Sin embargo, los modelos de detección en tiempo real existentes para objetos de vehículos pequeños presentan problemas de baja precisión y un rendimiento deficiente. Para resolver estos problemas, proponemos un nuevo modelo de detección de objetos en tiempo real basado en el marco de aprendizaje profundo You Only Look Once Versión 2 (YOLO-v2) para objetos de vehículos pequeños, llamado You Only Look Once Versión 2 Optimizado (O-YOLO-v2). En el modelo propuesto, se introduce una nueva estructura para fortalecer la capacidad de extracción de características de la red añadiendo capas de convolución en diferentes ubicaciones. Mientras tanto, se soluciona el problema de la desaparición o dispersión del gradiente causado por el aumento de la profundidad de la red añadiendo módulos residuales. Además, para promover la precisión de detección de objetos de vehículos pequeños, combinamos las características de bajo nivel y las características de alto nivel de la red. Los hallazgos experimentales y el análisis en un conjunto de datos KITTI muestran que el modelo no solo promueve la precisión de la detección de objetos de vehículos pequeños, sino que también mejora la precisión de la detección de vehículos (la precisión alcanza el 94%) sin disminuir la velocidad de detección.