公开(公告)号：CN117437407A

公开(公告)日：2024-01-23

申请号：CN202311526380.8

申请日：2023-11-15

Applicant: 哈尔滨理工大学

Inventor： 朱可桐 ,  宋传朗 ,  李岩

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06V20/56 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/084

Abstract: 基于YOLOv8的自动驾驶小目标检测模型，本发明涉及自动驾驶技术中，在复杂驾驶场景中小目标检测的精度不足以及检测速度不满足实时性的问题。自动驾驶技术的关键在于目标检测，目标检测的准确性和实时性直接关系到自动驾驶系统的安全与稳定。然而在真实的驾驶环境中，道路环境复杂多变，交通参与者繁多，同时光照、天气、遮挡等因素都会影响目标检测的效果。为了改善这一问题，本发明提出一种基于YOLOv8的自动驾驶小目标检测模型。实验表明，该方法可以有效提高复杂场景中对小目标检测的精度，并且满足自动驾驶场景中对检测速度的要求。本发明应用于自动驾驶小目标检测。

公开(公告)号：CN118172758A

公开(公告)日：2024-06-11

申请号：CN202410292618.3

申请日：2024-03-14

Applicant: 哈尔滨理工大学

Inventor： 李岩 ,  朱可桐

IPC: G06V20/58 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明是一种基于PYNQ‑Z2的自动驾驶目标检测方法，涉及计算机视觉与嵌入式领域，主要解决自动驾驶场景中网络模型部署的功耗限制与检测精度、实时性需求的问题。现阶段目标检测领域的技术快速发展，很多优秀算法模型已经在CPU和GPU平台上实现部署，但该类方案普遍面临着高功耗、高成本、实时性不足的问题，不符合自动驾驶领域。针对这些问题，本发明提出了一种在PYNQ‑Z2异构处理器平台部署YOLOv8目标检测模型的方法。实现了在该平台资源支持的情况下，满足自动驾驶场景的功耗限制以及该场景中目标检测精度与实时性的要求。