基于自适应融合的实时车辆检测

作     者：陈婷 朱熟康 高涛 李浩 涂辉招 李子琦 CHEN Ting;ZHU Shukang;GAO Tao;LI Hao;TU Huizhao;LI Ziqi

作者机构：长安大学信息工程学院陕西西安710064 同济大学交通运输工程学院上海201804 

基　　金：国家重点研发计划(2023YFB2504703,2019YFE0108300) 国家自然科学基金(52172379,62001058) 中央高校基本科研业务费专项资金(300102241201,310833160212) 

出 版 物：《同济大学学报（自然科学版）》 (Journal of Tongji University:Natural Science)

年 卷 期：2024年第52卷第4期

页      码：532-540页

摘      要：针对传统的车辆检测技术检测速度慢和精度低的问题,提出了一种融合注意力的自适应金字塔网络的交通目标检测算法(fusion attentiont adaptive pyramid network,FAAP-Net),可以显著降低交通事故的发生率。为了降低计算复杂度,设计了一种轻量级的互补池化结构(CPS),该结构在宽度和高度上采用了两组不同的池化组合,在保持高精度的同时,显著降低了网络的浮点运算数(GFLOPs)和参数量。为了解决智能交通系统特征图生成过程中的信息损失问题,通过将自适应注意力模块(AAM)和特征增强模块(FEM)引入自适应融合特征金字塔网络(AF-FPN),以融入车辆检测的形状特征。针对车辆细节特征表征弱的问题,引入了一种按通道维度分组的注意力(SA)机制,以增强主干网络对不同车辆检测细节特征的关注,有效提取车辆细节的显著特征。在BDD100K数据集上的实验结果表明,FAAP-Net算法相比于传统算法,平均精度从30.3%提升到43.7%。

主 题 词：目标检测 车辆检测 互补池化 自适应融合 通道维度分组注意力 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.11908/j.issn.0253-374x.23399

馆 藏 号：203127319...