速度-对抗鲁棒性平衡的目标检测算法研究

摘要

近年来,基于深度学习的目标检测在自动驾驶任务中得到了广泛的应用.本文从模型压缩和对抗鲁棒性的角度,提出速度-对抗鲁棒性平衡的目标检测器的联合优化框架,致力于解决目标检测模型的压缩问题以及检测模型的脆弱性问题.在联合优化框架中,通过对抗训练和稀疏化训练来求解具有速度-对抗鲁棒性平衡的目标检测器,有效的提升模型的性能.通过实验在公开数据集验证了联合优化框架的有效性,并将优化后的模型在开源的自动驾驶仿真平台Carla上进行进一步验证,有助于将优化后的模型直接整合进自动驾驶仿真工具链中,有助于目标检测模型在工业上的落地.