期刊信息
曾用名：《液晶通讯》与《发光快报》合并
主办：中国科学院长春光学精密机械与物理研究所;中国物理学会液晶分会
ISSN：1007-2780
CN：22-1259/O4
语言：中文;
周期：月刊
影响因子：1.165
被引频次：27347
数据库收录：
CA 化学文摘(美)(2022) INSPEC 科学文摘(英)(2021) JST 日本科学技术振兴机构数据库(日)(2022) Pж(AJ) 文摘杂志(俄)(2020) CSCD 中国科学引文数据库来源期刊(2021-2022年度)(扩展版) WJCI 科技期刊世界影响力指数报告（2021）来源期刊 北京大学《中文核心期刊要目总览》来源期刊： 2004年版,2008年版,2011年版,2014年版,2017年版,2020年版期刊分类：信息科技
期刊热词：
无线电电子学
面向复杂道路场景的轻量化路面异物检测算法
【作者】网站采编
【关键词】
【摘要】:研究背景与问题 随着社会经济的快速发展和城市化进程的加快，交通安全问题日益受到关注。在车载前视系统中，路面异物的及时检测对保障行车安全至关重要。然而，在复杂道路场景研究背景与问题
随着社会经济的快速发展和城市化进程的加快，交通安全问题日益受到关注。在车载前视系统中，路面异物的及时检测对保障行车安全至关重要。然而，在复杂道路场景下，由于路面异物成像尺度较小、边缘特征弱及背景干扰强等因素，传统路面异物检测算法在准确率和实时性方面存在较大局限性。
研究方法
针对上述问题，本文提出了一种基于YOLO11n的轻量化路面异物检测算法YOLO11-MSDF。算法主要包含以下几个方面： 1. 设计小波频率解耦下采样（WFD-Down）模块，通过对图像进行高低频解耦，有效地保留了路面异物的边缘和纹理细节，增强了特征信息的提取； 2. 构建方向空间感知金，结合空间和频率信息，增强了检测模型对边缘和纹理特征的敏感性； 3. 引入注意力机制，使得模型在处理复杂场景时能够更加关注路面异物区域，提高检测准确性； 4. 基于深度学习，采用YOLO11n框架，通过迁移学习和数据增强等手段，实现轻量化检测算法，降低算法复杂度和计算资源消耗。
核心结果
本文提出的YOLO11-MSDF算法在多个复杂道路场景数据集上进行了实验，结果表明： 1. 与传统路面异物检测算法相比，YOLO11-MSDF算法在准确率和实时性方面均有所提高； 2. 通过实验验证，WFD-Down模块、方向空间感知金和注意力机制对提高检测性能具有显著作用； 3. 在保证检测效果的同时，YOLO11-MSDF算法在计算资源消耗方面具有显著优势。
结论与意义
本文提出了一种基于YOLO11n的轻量化路面异物检测算法YOLO11-MSDF，有效地解决了车载前视复杂道路场景中路面异物检测问题。实验结果表明，该算法在准确率、实时性和计算资源消耗方面均具有显著优势。该研究成果对于提高交通安全水平、降低行车风险具有重要的理论意义和应用价值。
文章来源：《液晶与显示》 网址: http://www.yjyxs.cn/qikandaodu/2026/1027/333.html