蘑菇車聯(lián)發(fā)布自動(dòng)駕駛視覺預(yù)測(cè)算法BalanceHRNet

　　近日，蘑菇車聯(lián)提出BalanceHRNet人體姿態(tài)估計(jì)模型，能夠幫助自動(dòng)駕駛精準(zhǔn)識(shí)別行人意圖。這一研究成果被國際頂級(jí)期刊Neural Networks收錄。

　　Neural Networks是世界三大神經(jīng)網(wǎng)絡(luò)領(lǐng)域權(quán)威學(xué)術(shù)期刊之一，也是SCI一區(qū)期刊，涉及行為學(xué)、腦建模、學(xué)習(xí)算法、數(shù)學(xué)和計(jì)算分析，以及使用神經(jīng)網(wǎng)絡(luò)概念和技術(shù)的工程和技術(shù)應(yīng)用。

　　目前，人體姿態(tài)估計(jì)的主流方法是使用神經(jīng)網(wǎng)絡(luò)來識(shí)別人體關(guān)鍵點(diǎn)。近年來，該領(lǐng)域研究人員提出多種深度學(xué)習(xí)模型來提高人體姿態(tài)估計(jì)的準(zhǔn)確性，包括主流的HigherHRNe模型。

　　盡管這一模型已經(jīng)取得很大進(jìn)步，但在復(fù)雜環(huán)境或者擁擠場景下，不同個(gè)體間的相互遮擋會(huì)導(dǎo)致檢測(cè)難度激增，識(shí)別準(zhǔn)確性會(huì)大大降低。

　　鑒于此，蘑菇車聯(lián)提出BalanceHRNet模型，該模型借鑒HigherHRNet的多分支結(jié)構(gòu)和融合方法，克服HigherHRNet無法獲取大感受野的缺點(diǎn)，在更小計(jì)算量的情況下提高準(zhǔn)確性。

　　BalanceHRNet具有三大優(yōu)勢(shì)：具備更大感受野，可以提取更豐富的語義信息，并且具有較高準(zhǔn)確性;提出平衡高分辨率模塊BHRM，可以獲取物體多尺度特征;學(xué)習(xí)不同分支的重要性，讓模型自己決定不同分支的意義。

　　測(cè)試結(jié)果表明，BalanceHRNet能夠有效提升人體姿態(tài)估計(jì)準(zhǔn)確性。研究人員將CrowdPose數(shù)據(jù)集用作測(cè)試數(shù)據(jù)集，并以HigherHRNet、AlphaPose、OpenPose等模型為比較模型。

　　數(shù)據(jù)顯示，BalanceHRNet測(cè)得平均正確率為63.0%，比最佳模型HigherHRNet提高3.1%，準(zhǔn)確率為目前業(yè)界最高水平。每一幀畫面的感知準(zhǔn)確率都提升3.1%，數(shù)字看著小，但對(duì)自動(dòng)駕駛安全性的整體提升影響很大。

　　研究人員還通過COCO(2017)關(guān)鍵點(diǎn)檢測(cè)數(shù)據(jù)集展示BalanceHRNet網(wǎng)絡(luò)的有效性，BalanceHRNet模型比平均正確率提高1.6%。

　　目前，BalanceHRNet已被蘑菇車聯(lián)用于高精地圖，提高了感知成功率和地圖精度。

　　作為行業(yè)領(lǐng)先的自動(dòng)駕駛?cè)珬＜夹g(shù)與運(yùn)營服務(wù)提供商，蘑菇車聯(lián)持續(xù)推動(dòng)數(shù)字交通、自動(dòng)駕駛領(lǐng)域的技術(shù)突破。

　　近半年來，蘑菇車聯(lián)CAMO-MOT算法、IPS300+路側(cè)多模態(tài)目標(biāo)檢測(cè)數(shù)據(jù)集、multi-to-single知識(shí)蒸餾框架、InterFusion融合感知、BalanceHRNet模型等研究成果陸續(xù)被國際頂級(jí)學(xué)術(shù)機(jī)構(gòu)收錄，這意味著相關(guān)技術(shù)達(dá)到世界領(lǐng)先水平。