-
题名双注意力策略在超快车道检测的改进方法
- 1
-
-
作者
董银洲
李宁
王超
-
机构
北京信息科技大学自动化学院
北京信息科技大学计算机学院
-
出处
《计算机工程与设计》
北大核心
2025年第6期1564-1570,共7页
-
基金
国家重点研发计划基金项目(SQ2022YFF0600042)。
-
文摘
遮挡严重和极端光照条件给高速车道线检测带来诸多挑战。针对此问题提出一种基于双注意力策略的超快车道线检测网络。将车道检测转化为基于行的局部特征增强问题,在骨干网络中添加行级选择器并采用轻量化的Ghost卷积模块,消除车道周围的冗余信息,降低计算量。引入轻量级的注意力机制和Blurpool技术,提升对复杂场景的处理能力,在下采样过程中更好保留车道线特征,增强模型的鲁棒性。实验结果表明,算法在检测精度上(与UFLD框架相比)提升了2%,在使用Resnet18作为特征提取网络时,实现了高达370 fps的帧率(Titan GPU),有效降低计算成本的同时保证了识别准确率。
-
关键词
自动驾驶
车道线检测
无视觉线索问题
锚点式检测
双注意力融合
Ghost卷积
性能改进
-
Keywords
autonomous driving
lane detection
no visual clues issue
anchor-based detection
dual attention fusion
Ghost convolution
performance improvement
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv7的输电线路绝缘子识别检测研究
被引量：4
- 2
-
-
作者
王伯涛
周福强
吴国新
王少红
-
机构
北京信息科技大学现代测控技术教育部重点实验室
-
出处
《电子测量技术》
北大核心
2023年第23期127-134,共8页
-
基金
北京信息科技大学勤信人才项目(QXTCPC202120)资助
-
文摘
针对绝缘子目标尺寸小导致检测精度低、误检漏检率高的问题,提出一种基于YOLOv7改进的输电线路绝缘子检测模型。首先,将双支路融合通道注意力机制与主干部分的ELAN模块进行融合,强调重要的通道信息,抑制噪声等无用信息的干扰;其次,在特征融合部分加入局部自注意力机制,使得局部微小区域局部关注度增强;同时,在Neck部分融入BiFPN跨层连接,在增加部分计算量的同时,使得边缘信息得到更好的保留,更利于小目标的检测;最后,以精确度、召回率、平均精度均值等作为评价指标,对采集的数据集进行了消融实验和对比实验。实验结果表明,改进后的网络模型对输电线路绝缘子检测精度为92.1%,相比于传统的YOLOv7网络模型提高3%,并且其平均检测均值、召回率分别提高3.1%、3.6%;同时,改进的模型在各个评估指标上相比YOLOv5-ECA和Faster-R-CNN等均有显著优势,针对输电线路绝缘子检测具有良好效果。
-
关键词
输电线路绝缘子
YOLOv7
双支路融合通道注意力机制
局部自注意力机制
BiFPN
-
Keywords
transmission line insulators
YOLOv7
dual-branch fusion channel attention mechanism
local self-attention mechanism
BiFPN
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
