基于深度注意力机制的多尺度红外行人检测

作     者：赵斌 王春平 付强 陈一超 Zhao Bin;Wang Chunping;Fu Qiang;Chen Yichao

作者机构：陆军工程大学石家庄校区电子与光学工程系河北石家庄050003 

出 版 物：《光学学报》 (Acta Optica Sinica)

年 卷 期：2020年第40卷第5期

页      码：41-52页

摘      要：针对多尺度目标检测问题,提出一种基于深度注意力机制的多尺度红外行人检测方法。首先,选取较为轻量级的Darknet53作为深度卷积特征提取的主干网络,设计四尺度的特征金字塔网络负责目标的定位和分类,通过引入更低层高分辨率的特征图来改善对小尺度行人目标的检测性能。其次,利用注意力模块替代特征金字塔网络中传统的上采样模块,生成基于卷积特征的局部显著图,可以有效抑制不相关区域的特征响应,突出图像局部特性。最后,利用Caltech行人数据集和U-FOV红外行人数据集进行两次迁移训练,以提高模型的泛化能力,丰富行人的样本特征。实验结果表明,所提方法在U-FOV数据集上的识别平均准确率达到了93.45%,比YOLOv3高26.74个百分点,能检测到的最小行人像素为6×13。在LTIR数据集上的定性实验结果验证,所提模型具有良好的泛化能力,适用于多尺度红外行人的检测。

主 题 词：探测器 红外行人检测 卷积神经网络 超大视场 特征金字塔网络 注意力机制 

学科分类：0808[工学-自动化类] 080901[080901] 0809[工学-计算机类] 08[工学] 080401[080401] 0804[工学-材料学] 0805[工学-能源动力学] 0803[工学-仪器类] 0702[理学-物理学类] 

核心收录：

D　O　I：10.3788/AOS202040.0504001

馆 藏 号：203908433...