-
题名融合渐进式策略的轻量化特征点提取与匹配方法
- 1
-
-
作者
杨潞霞
任佳乐
张红瑞
韩睿
崔耀文
马永杰
-
机构
太原师范学院计算机科学与技术学院
太原师范学院智能优化计算与区块链技术山西省重点实验室
西北师范大学物理与电子工程学院
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2024年第11期1544-1556,共13页
-
基金
国家自然科学基金(No.62066041)
山西省重点研发计划(No.202102010101008)
太原师范学院研究生创新项目(No.SYYJSYC-2392)。
-
文摘
针对基于SuperPoint网络的特征匹配方法在光照、姿态、角度等挑战下,特征点提取准确率低、计算参数量大的问题,提出了一种融合渐进式策略的轻量化特征点提取与匹配方法。首先,利用深度可分离卷积对SuperPoint网络进行结构调整,以降低模型参数计算量;其次,在特征提取部分搭建注意力模块增强网络在空间上的特征提取能力,并设计渐进式多尺度特征融合模块捕获目标细节,增强特征的表达能力;最后,利用SuperGlue算法对所得到的特征点进行匹配。在Hpatches数据集上进行实验分析,实验结果表明,所提算法在光照变换场景下匹配平均准确率(mAP)和特征点重复度(Rep)达到了86%和70%,在视角变换场景下mAP和Rep达到了78%和68%。所提算法不仅在特征匹配中表现出一定的优势,同时将其应用于视频拼接中也获得了较好的效果。
-
关键词
特征点提取
特征点匹配
轻量化
注意力机制
渐进式多尺度特征融合
-
Keywords
feature point extraction
feature point matching
lightweight
attention mechanism
progressive multi-scale feature fusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名针对密集行人检测任务中多尺度目标的检测算法
- 2
-
-
作者
徐振峰
许云峰
于子洲
梅卫
张妍
-
机构
河北科技大学信息科学与工程学院
-
出处
《计算机工程与应用》
2025年第17期304-316,共13页
-
基金
河北省重点研发计划项目(21373802D)
教育部人工智能协同育人项目(201801003011)。
-
文摘
在密集行人检测任务中目标的检测精度低,漏检和误检等一直是充满挑战的问题,导致此问题的原因是大多数的场景中存在大量多尺度的目标,多尺度的目标使得算法面临着尺度变化,从而使得算法的精度不高。针对此问题,提出了一种基于改进YOLOv5s的多尺度行人检测网络(MPDNet)。网络改进包括三个方面:对于主干网络,在C3模块中添加了空间位置注意力模块,并引入改进的ViTv3Block模块,可以有效强化特征信息的提取;特征融合部分,在渐近特征金字塔网络(AFPN)的基础上进行了改进,改进后的AFPN可以在更少参数量和计算量的情况下进行跨层特征融合;在特征融合网络末端添加了空间加强多尺度注意力模块(SEMA),增强模型对目标的定位能力。通过分析实验结果,MPDNet在WiderPerson和CrowdHuman两个密集行人检测数据集上相较于YOLOv5s,AP50分别提升了4.2和3.2个百分点,AP50:95分别提升了5.0和3.9个百分点。MPDNet能够很好地完成复杂场景中密集行人检测任务。
-
关键词
YOLOv5s
密集行人检测
渐进多尺度特征融合
目标检测
注意力机制
-
Keywords
YOLOv5s
dense pedestrian detection
progressive multi-scale feature fusion
target detection
attention mechanism
-
分类号
TP391
[自动化与计算机技术]
-
