能够实时感知周围环境是自动驾驶实时在线决策的重要举措。自动驾驶场景具有环境动态变化，存在突发情况（如行人或者车辆突然违反交通规则）等现实挑战。因此，在提高周围环境感知精度的同时，提高环境感知的速度，对突发情况迅速做出在线反应和决策的能力显得尤为重要。
本团队自主研发了一系列面向复杂动态环境的实时图像语义感知模型和算法。这些算法基于卷积神经网络设计了一系列轻量化基础卷积运算单元、轻量化自注意力模块，以及快速多尺度语义融合模块，突破了传统方法感知区域受限、模型容量低的瓶颈，在大大降低模型参数量、提高计算效率的同时，进一步提高了环境感知的精度和性能，从而使其在面向复杂动态环境的实时语义感知和在线决策方面有着潜在的广泛应用前景。

能够实时感知周围环境是自动驾驶实时在线决策的重要举措。自动驾驶场景具有环境动态变化，存在突发情况（如行人或者车辆突然违反交通规则）等现实挑战。因此，在提高周围环境感知精度的同时，提高环境感知的速度，对突发情况迅速做出在线反应和决策的能力显得尤为重要。
本团队自主研发了一系列面向复杂动态环境的实时图像语义感知模型和算法。这些算法基于卷积神经网络设计了一系列轻量化基础卷积运算单元、轻量化自注意力模块，以及快速多尺度语义融合模块，突破了传统方法感知区域受限、模型容量低的瓶颈，在大大降低模型参数量、提高计算效率的同时，进一步提高了环境感知的精度和性能，从而使其在面向复杂动态环境的实时语义感知和在线决策方面有着潜在的广泛应用前景。