计算机工程

作者：刘泽, 宋廷伦, 石先让, 苏洋, 赵群

单位：1. 南京航空航天大学能源与动力学院, 江苏 南京 2100162. 奇瑞汽车股份有限公司, 安徽 芜湖 241007

关键词：路面异常检测,实时检测Transformer算法,元素乘法,广义高效层聚合网络结构,重校准

路面异常检测对于保障行车安全、优化交通管理和驾乘体验具有重要的现实意义。针对路面异常物体在尺寸、形状及颜色等方面跨度较大, 以及复杂环境干扰导致检测精度和效率较低的问题, 提出一种改进实时检测Transformer(RT-DETR)的路面异常目标检测技术。首先, 设计大感受野元素乘法模块(LRFEM_Block)替代原主干网络中的BasicBlock模块, 该模块依据元素乘法原理有效增强特征表达能力。其次, 引入广义高效层聚合网络(GELAN)思想, 并结合多尺度LRFEM_Block设计一种基于元素乘法的层聚合尺度内特征交互(MLA-IFI)结构, 提高颈部网络对深层特征的计算效率和性能, 优化梯度传播路径。此外, 引入自适应选择边界聚合(SBA)思想构建双向自适应边界融合特征金字塔网络(BABF-FPN)多尺度特征融合模块, 自适应双向聚合不同分辨率特征, 促进小目标物体模糊边界的细粒度化。实验结果表明, 改进方法在自建数据集和RDD2022公开数据集上的mAP@0.5相较于基线算法分别提升3.4和4.7百分点, 均优于其他测试模型, 并且参数量和计算量分别减少24.5%和11.2%, 算法检测速度达到74帧/s, 更加契合车载路面异常检测的部署需求。

来源：2026年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第4期