基于深度学习的自动驾驶感知算法研究

(1) 本文设计了一个基千transformer 的面向记忆的编码器和解码器单图片去雨模型。该模型通过自我监督记忆模块进行数据增强，其中记忆中的项目记录降雨退化的原型模式， 并以自我监督的方式进行更新。此外，本文提出了一种自我训练机制，将有监督的雨水去除知识转移到无监督的情况下，对合成雨水图片和真实雨水图片均有良好的去除效果。 (2) 本文提供了一个全新的轻最级目标检测算法，设计了一个新的解码器和编码器模型，使用单尺度输出的方式替代特征金字塔的多尺度输出，从而降低计算复杂度；然后我们又加入了注意力机制和anchor-free 的分支，使得模型获得更好的训练， 最终实现了基千分治策略的准确快速的目标检测。实验表明，本文所提的轻量级目标检割算法和单图片去雨算法都有一定的优势。轻量级目标检测算法能与目前主流的目标检测取得相似的精度的同时，计算复杂度更低，更加节省资源。单图片去雨算法在合成雨水图片上取得了较好的效果的同时，而且在未标记的真实世界图像上取得了比目前最先进的方法更有吸引力的效果。