-
题名融合双重观察与注意力机制的灰度图像检测算法
- 1
-
-
作者
朱硕
张绪康
宾杰
汪宗洋
江蕊
-
机构
无锡学院江苏省通感融合光子器件及系统集成工程研究中心
南京信息工程大学电子与信息工程学院
无锡汐沅科技有限公司
-
出处
《电子测量与仪器学报》
北大核心
2025年第7期192-202,共11页
-
基金
国家自然科学基金资助项目(52075520)
江苏双创博士基金(JJSSCBS20210871)项目资助。
-
文摘
灰度图像由于其单通道构成的限制,导致图像中目标对比度低、特征信息模糊以及缺少颜色信息,因此检测精度低、且检测难度较大。为提升灰度图像检测的准确率,降低误检和漏检率,提出一种融合双重观察与注意力机制的目标检测算法SAC-YOLO。首先,在主干网络中引入变换空洞卷积,将标准卷积层转换为空洞卷积层,并结合全局上下文模块,提升模型在处理不同尺度和复杂度信息的准确性;其次,特征融合部分采用高效多尺度注意力机制,通过编码全局信息来重新校准各通道权重,跨纬度交互捕捉灰度图像中的像素级关系;最后,添加超分辨率重构检测头,内置感受野注意力模块和卷积模块,关注感受野内空间信息,为大尺寸卷积核提供有效注意力权重,使得模型能够更加精确地适应和表达灰度图像中的小目标信息的特征。在NEU-DET数据集中进行对比实验,改进后的YOLOv8算法对于灰度图像信息的识别精度达到79.3%,相较于YOLOv8原始网络提升了3.1%,由可视化实验可以看出,误检漏检问题得到改善。以上实验结果表明,SAC-YOLO检测效果良好,能够实现在灰度图像场景下的高质量检测。
-
关键词
目标检测
YOLOv8
灰度图像检测
感受野注意力
空洞卷积
-
Keywords
object detection
YOLOv8
gray image detection
receptive field attention
void convolution
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TN919
[电子电信—通信与信息系统]
-
-
题名基于注意力机制融合特征的车辆目标检测方法
被引量：3
- 2
-
-
作者
过鑫炎
朱硕
孙佳豪
梁吉丰
汪宗洋
-
机构
南京信息工程大学
无锡学院
无锡汐沅科技有限公司
-
出处
《电子测量技术》
北大核心
2024年第9期52-60,共9页
-
文摘
为了解决道路监控下的车辆目标检测精度低的问题,本文提出一种改进YOLOv7的车辆检测方法。首先引入跨空间学习的高效多尺度注意机制EMA来提高对特征信息的关注;其次将颈部网络中的SPPCSPC模块替换为SPPFCSPC模块,裁剪CBS层,引入EMA注意力机制,以强化对小目标区域的关注,获取更准确的车辆特征;同时,将EMA注意力引入MP模块中,使网络融合更多重要的特征信息;最后,采用MPDIoU损失函数,加快模型收敛速度并提高检测精度。实验结果表明,改进后的YOLOv7检测精度为86.69%,相比原始YOLOv7网络提高了2.83%,可以有效地提升车辆目标检测精度,为道路视频监控等提供保证。
-
关键词
车辆检测
YOLOv7
注意力机制
MPDIoU
loss
-
Keywords
vehicle detection
YOLOv7
attention mechanism
MPDIoU loss
-
分类号
TN919.8
[电子电信—通信与信息系统]
-
