《Nature Communications》：Frequency-oriented adaptive real-time object detector for cluttered traffic scenes
编辑推荐：
随着自动驾驶中交通目标检测（object detection）需求增长，在车载平台同时实现效率与精度仍具挑战。为此，研究人员提出面向频率的 adaptive detector（自适应检测器），用于车载智能交通目标检测（Traffic Object Detect
随着自动驾驶中交通目标检测（object detection）需求增长，在车载平台同时实现效率与精度仍具挑战。为此，研究人员提出面向频率的 adaptive detector（自适应检测器），用于车载智能交通目标检测（Traffic Object Detection, TOD）。该方法融合高、低频信息，在复杂交通场景中增强多尺度目标的纹理与语义表示，同时保持较低计算开销。具体地，研究人员引入 Frequency Dynamic Convolution（FDC, 频率动态卷积），构建具有频域自适应空洞感受野与平衡有效带宽的轻量骨干网络；其自适应核将卷积权重分解为高频与低频分量并选择性重标定，以平衡特征图频率响应。此外，研究人员提出 Adaptive Frequency-Oriented Fusion（AFF, 自适应频域导向融合）框架，跨尺度重组高、低频特征，平衡目标细节、精细边界与深层语义特征，从而降低多尺度融合中的特征不一致性。大量实验表明，该 Frequency-Oriented Adaptive Detector（FAD）优于现有先进检测器：仅用 8.77 M 参数，即在 KITTI、BDD100K、Cityscapes、Waymo 上分别取得 90.9%、53.7%、50.2%、53.1% 的 mAP。
研究背景方面，视觉感知是智能交通系统的重要方向，而车载交通目标检测面临尺度变化、遮挡、光照与天气多样、轻量网络对低质量和小规模目标表示不足等问题。两阶段检测器精度较好但计算重，单阶段检测器（如 YOLO、RetinaNet）效率更优却受嵌入式平台算力与带宽限制。大核、视觉Transformer可扩大感受野或建模长程依赖，但计算开销大；空洞卷积能以较低代价扩感受野，却按傅里叶变换缩放性质使频率响应带宽缩小为 1/D，损失高频细节；可变形卷积能适应几何变化，但自适应采样下特征一致性仍难保持。自动驾驶场景中，环境噪声多表现为低频干扰，交通目标结构与纹理主要在高频成分，因此从频域区分并平衡高低频，可为多尺度目标检测提供原则性方案。
关键技术方法方面，研究人员以 DarkNet53 结合 PANet 与解耦头作为基线，在 KITTI、BDD100K、Cityscapes、Waymo 2D 等公开驾驶数据集上开展实验；核心方法包括 Frequency Dynamic Convolution（FDC），通过离散傅里叶变换将特征映射至频域，以高/低频功率驱动像素级自适应空洞率并分解卷积核为低频均值分量与高频残差分量进行动态加权；以及 Adaptive Frequency-Oriented Fusion（AFF），由 Low-pass Adaptive Filter（LAF, 低通自适应滤波器）生成器、offset generator（偏移生成器）、High-pass Adaptive Filter（HAF, 高通自适应滤波器）生成器和 Cross-scale Contribution Allocator（CCA, 跨尺度贡献分配器）组成，分别完成平滑上采样、相似性引导重采样、边界高频增强与非相邻尺度融合。
研究结果如下。Implementation specifications：研究人员在 RTX 4070 Ti 工作站训练，输入 640×640，SGD 优化器与余弦退火学习率，并在 RK3588 车载平台部署验证。Datasets：KITTI 含训练与测试图像及小目标与遮挡车辆挑战；BDD100K 覆盖多时段、天气与 10 类目标；Cityscapes 为密集城市街景；Waymo 2D 提供车辆、行人与骑行者可见区域标注。Ablation study and analysis：Baseline 在 KITTI 达 87.7% mAP；加入 FDC 后升至 89.3%，行人和骑行者提升明显，参数仅由 8.07 M 增至 8.15 M；加入 AFF 较基线提升 2.5%，与 FDC 组合后再提升 1.6%；FAD 最终在 KITTI 达 90.9% mAP，参数 8.77 M、FLOPs 39.7 G。Receptive field：FDC 通过自适应空洞率扩大平均空洞率与有效感受野，而非固定全局空洞率。Comparison experiments and quantitative analysis：KITTI 上 FAD 达 90.9% mAP 且 FPS 57.6；BDD100K 上达 53.7% mAP，超 YOLOv11 达 1.9%，FPS 55.6；Cityscapes 上达 50.2% mAP；Waymo 2D 上 mAP@50 为 53.1%、mAP@50-95 为 33.0%。Statistical reliability analysis：五组随机种子下 FAD 平均 mAP 90.5、标准差 0.25，与 YOLOv11 和 RT-DETR 的置信区间不重叠，配对 t 检验 p 值分别为 0.003 与 0.001。Visualization of detection results：FAD 在遮挡、夜间、远距离小目标与多尺度目标上边界更锐、定位更准，如 KITTI 中骑行者置信由 0.32 升至 0.70。In-vehicle computing platform experiments：FAD 转 RKNN 后在 RK3588 的 NPU 上平均 35.14 FPS、单帧延迟 28.5 ms，证明可实时车载部署。
讨论部分指出，FAD 性能依赖频域分解质量，在极端光照或恶劣天气下可能下降；频域引导操作会增加 GFLOPs，限制超低功耗边缘设备部署。结论部分翻译如下：FAD 是一种轻量单阶段检测器，通过频域导向的自适应特征提取与融合改进交通目标检测。通过引入频率自适应感受野与跨尺度频域导向融合，FAD 在保持紧凑结构的同时，有效增强目标细节、边界线索与语义一致性。大量实验表明，FAD 在遮挡、小目标、密集目标与复杂背景等挑战性交通场景中取得更优检测性能。未来工作将探索多模态传感融合与更高效的频域算子，以进一步提升鲁棒性与效率。该论文发表于《Nature Communications》。
