-
题名基于多尺度特征融合与交互的路侧目标检测算法
被引量：1
- 1
-
-
作者
顾杨海
李富
陈德基
王泉
-
机构
南京信息工程大学计算机学院
同济大学嵌入式系统与服务计算教育部重点实验室
无锡学院物联网工程学院
-
出处
《电子测量技术》
北大核心
2024年第23期152-161,共10页
-
基金
国家自然科学基金青年项目(42305158)资助。
-
文摘
针对路侧视角下目标检测任务中,小目标密集,多尺度变化以及复杂天气背景干扰等挑战,提出基于多尺度特征融合与交互的目标检测算法——MF-YOLO。设计C2f-CAST,通过星操作将来自不同子空间的特征进行交互与变换,并引入MLCA捕捉远距离像素之间局部,全局特征以及通道和空间特征,多尺度信息聚合加强对遮挡目标显著语义信息关注,消除背景影响;针对颈部层在上下文信息融合效率较低的问题,加入轻量级卷积GSConv对传统卷积进行优化,并设计跨级部分网络模块,降低模型复杂度和参数量。构造跨层级融合模块SDFM,对浅层特征图进行自校准操作,并融合深层特征图语义信息,解决小目标漏检的问题;最后,设计基于自适应惩罚因子和锚框质量的梯度调整函数,并结合动态聚集机制改进的WPIoU损失函数,提升边界框回归性能和检测鲁棒性。实验结果显示,MF-YOLO在DAIR-V2X-I和UA-DETRAC数据集上mAP@0.5指标分别达到85.1%,92.3%,与原YOLOv8s相比分别提升4.4%和1.8%,计算量GFLOPs下降了19.8%,参数量下降8.18%。检测速度达到152 fps,满足实时要求。
-
关键词
路侧图像
星操作
特征融合
目标检测
注意力机制
-
Keywords
roadside images
star operation
feature fusion
object detection
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TN791
[电子电信—电路与系统]
-
