计算机科学与探索

作者：姜彦吉, 陈鹏达, 董浩, 刘大千, 费博雯

单位：1. 辽宁工程技术大学 软件学院，辽宁 葫芦岛 1251052. 优策（江苏）安全科技有限公司 OpenSafe实验室，江苏 苏州 2151003. 清华大学苏州汽车研究院（相城），江苏 苏州 2151004. 苏州工学院 汽车工程学院，江苏 常熟 215104

关键词：开放世界,遮挡目标检测,特征融合,图卷积神经网络

基金：国家自然科学基金青年基金项目（62302509，62303477）；国家自然科学基金面上项目（52274205）；浙江省自然科学基金面上项目（LMS25G010003）；葫芦岛市科技计划项目（2023JH（1）4/02b）；广东省科技创新战略专项市县科技创新支撑项目（STKJ2023071）。

解决遮挡目标检测问题是开放世界自动驾驶目标检测研究中一项充满挑战的任务。主要研究在开放世界自动驾驶场景中，由于未知遮挡模式的多样性，被遮挡目标在图像中呈现的特征稀疏性与语义模糊性以及目标形态的不确定性，利用不同维度特征图的信息差异性以及目标整体与部分间和部分内的关系进行遮挡目标检测。提出了一种基于多层次特征融合和增强特征表示的遮挡目标检测算法。设计了共现空间图模块完成部分内与部分间的特征增强，提高遮挡目标的特征表现，增强遮挡区域的语义恢复能力。采用跨层次尺度的特征金字塔网络增强核心特征的上下文信息和特征之间的关联性。通过并行自适应特征融合模块融合不同层次的特征，缓解特征丢失，提高目标检测性能。所提方法在数据集Pascal VOC、BDD100K和自制数据集上与现有检测算法进行比较，相较Top 2算法，未知类召回率和mAP的增值范围在1.4~1.9个百分点和0.5~1.5个百分点（相对）。该算法旨在提升开放世界自动驾驶场景中遮挡目标的检测精度，通过学习遮挡目标的特征关联性，有效缓解了特征稀疏与语义模糊带来的不利影响。实验验证了该算法可以有效提升遮挡目标的检测性能，展现了很好的泛化能力，并增强了对未知目标的检测能力。

来源：2025年第12期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第12期