基于RD-YOLO的毫米波雷达和视觉融合显著性目标检测

作     者：王杨 王臣飞 张广海 张俊 后海伦 欧阳少雄 WANG Yang;WANG Chenfei;ZHANG Guanghai;ZHANG Jun;HOU Hailun;OUYANG Shaoxiong

作者机构：芜湖学院大数据与人工智能系安徽芜湖241000 安徽师范大学计算机与信息学院安徽芜湖241002 芜湖市大数据与人工智能工程技术研究中心安徽芜湖241003 

基　　金：安徽高校自然科学重点项目(2022AH052899) 安徽省高校优秀青年人才支持计划项目(gxyq2022167) 安徽省高校学科(专业)拔尖人才学术资助项目(gxbjZD2022147) 

出 版 物：《邵阳学院学报（自然科学版）》 (Journal of Shaoyang University：Natural Science Edition)

年 卷 期：2024年第21卷第4期

页      码：30-38页

摘      要：为了解决单传感器在复杂环境下目标检测精度低问题,提出了一种基于RD-YOLO的毫米波雷达和视觉融合的显著性目标检测方法。首先设计了能够将毫米波雷达点云转换为图像的方法,使毫米波雷达和视觉数据在模型输入时实现特征融合;然后通过动态互补注意力机制,对两个图像分支生成特征设置空间和通道动态注意力权重;最后采用YOLOv8检测融合后特征,引入改进损失函数Focal Loss以解决样本不均衡问题。在数据集nuScenes上开展的相关实验表明,与YOLOv5、YOLOv7、YOLOv8、Faster R-CNN和FCOS相比,所提方法目标检测综合性能良好,均值平均精度比原始YOLOv8提升了9.19%。

主 题 词：显著性目标检测 特征融合 毫米波雷达 雷达点云转换 动态互补注意力机制 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1672-7010.2024.04.004

馆 藏 号：203140255...