YOLOPv2: أفضل، أسرع، وأقوى للاستشعار الشامل للقيادة

خلال العقد الماضي، حققت نماذج التعلم متعدد المهام نتائج واعدة في حل مشاكل الإدراك الشامل للقيادة، مما توفر أداءً عالي الدقة وكفاءة. أصبح هذا النموذج شائعًا عند تصميم شبكات للأنظمة الذاتية القيادة العملية في الوقت الفعلي، حيث تكون موارد الحوسبة محدودة.在这篇论文中，我们提出了一种有效且高效的多任务学习网络，能够同时执行交通物体检测、可行驶道路区域分割和车道检测的任务。نقترح في هذه الورقة بحثية شبكة تعلم متعدد المهام فعالة وكفؤة قادرة على تنفيذ مهام الكشف عن الأشياء المرورية وتقسيم المناطق القابلة للقيادة والكشف عن المسارات بشكل متزامن. نموذجنا حقق أحدث الأداء الرائد (SOTA) من حيث الدقة والسرعة على مجموعة بيانات BDD100K الصعبة. وبشكل خاص، تم تقليل وقت الاستدلال إلى النصف مقارنة بالنموذج السابق الرائد (SOTA). سيتم إصدار الكود في المستقبل القريب.