结合级联注意力机制的车辆检测算法

摘要：

针对车辆检测过程中,复杂背景影响较大、远场景小目标及密集遮挡目标特征提取难度较大的问题,提出一种结合级联注意力机制的车辆检测算法CAM-YOLO.构建了一种级联注意力特征提取模块,分别从通道和空间角度出发为特征信息赋予不同的权重,强化关键特征表达能力的同时抑制无关背景信息的影响.采用多尺度特征检测方法,构建一个含有更多细节信息的大尺度特征图,加强目标检测器对远场景小目标的特征提取能力.采用DIOU_NMS后处理方法,同时考虑预测框重叠区域与中心点之间的距离,精准回归预测框,提升密集遮挡车辆目标检测效果.实验结果表明,相较于基线算法YOLOv5s,该算法在KITTI数据集与BDD100K数据集上的平均精度均值分别达到了98.13%与60.60%,模型检测速率分别达到了76.92 FPS与58.82 FPS,在执行复杂背景、远场景以及密集遮挡下的车辆检测任务时具有更好的表现.

关键词：车辆检测、级联注意力机制、多尺度特征检测、DIOU_NMS方法

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;重庆市技术创新与应用发展专项重点项目;重庆市技术创新与应用发展专项重点项目;川渝联合实施重点研发项目

在线出版日期：2023-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：141-150