结合注意力机制的车型检测算法

摘要：

针对目标检测算法应用在车辆类型检测的场景中,检测速度较快,但检测精度相对较低的问题,该文对CenterNet算法进行改进.首先,使用ResNet作为主干网对车型图像进行特征提取,并在特征提取网络中引入通道注意力和空间注意力,对不同通道以及不同位置的特征进行权重划分,获取更多需要关注的特征,抑制无用的特征,进而提升车型检测算法的分类及定位准确率;其次,针对小目标车型检测精度不高的问题,将不同尺度车型特征进行融合,更好地提取细粒度车型特征,提升检测精度.为验证结合注意力机制的车型检测算法的有效性,在KITTI车型数据集和BIT-Vehicle数据集上进行实验,mAP值分别达到94.6％和95.5％.结果表明改进后的算法模型在检测速度影响较小的情况下检测精度得到显著提升.

关键词：智慧交通;目标检测;特征融合;注意力机制;残差网络;可变形卷积

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：山西省重点研发计划重点高新领域项目;山西省重点研发计划项目;山西省重点研发计划项目

在线出版日期：2022-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：78-84