Man schaut nur einmal für Echtzeit- und generische Multi-Task

Hohe Präzision, geringes Gewicht und Echtzeit-Reaktionsfähigkeit sind drei wesentliche Anforderungen für die Implementierung des autonomen Fahrens. In dieser Studie integrieren wir A-YOLOM, ein adaptives, Echtzeit- und leichtgewichtiges Multi-Task-Modell, das darauf ausgelegt ist, gleichzeitig Aufgaben der Objekterkennung, Segmentierung fahrbarer Bereiche und der Segmentierung von Fahrbahnlinien zu bearbeiten. Konkret entwickeln wir ein End-to-End-Multi-Task-Modell mit einer einheitlichen und optimierten Segmentierungsstruktur. Wir führen einen lernbaren Parameter ein, der adaptiv Funktionen zwischen Nacken und Backbone in Segmentierungsaufgaben verknüpft und dieselbe Verlustfunktion für alle Segmentierungsaufgaben verwendet. Dies beseitigt die Notwendigkeit für Anpassungen und verbessert die Generalisierungsfähigkeiten des Modells. Wir stellen auch einen Segmentierungskopf vor, der nur aus einer Reihe von Faltungsschichten besteht, was die Anzahl der Parameter und die Inferenzzeit reduziert. Wir erzielen wettbewerbsfähige Ergebnisse im BDD100k-Datensatz, insbesondere in den Visualisierungsergebnissen. Die Leistungsresultate zeigen einen mAP50 von 81,1 % für die Objekterkennung, einen mIoU von 91,0 % für die Segmentierung fahrbarer Bereiche und einen IoU von 28,8 % für die Segmentierung von Fahrbahnlinien. Darüber hinaus stellen wir reale Szenarien vor, um die Leistungsfähigkeit unseres Modells in einer realen Szene zu bewerten, die die Wettbewerber erheblich übertrifft. Dies zeigt, dass unser Modell nicht nur wettbewerbsfähige Leistungen erbringt, sondern auch flexibler und schneller als bestehende Multi-Task-Modelle ist.