典型文献
基于多尺度融合与注意力机制的小目标车辆检测
文献摘要：
针对传统目标检测算法(SSD)检测小目标精度低的问题,提出基于注意力机制与多尺度信息融合方法并将其运用于车辆检测任务.结合浅层特征图与深层特征图的优势,小目标检测分支和大中型目标检测分支的特征图采用5支路和2支路融合.在基础网络层之间加入注意力机制模块,模型会关注包含更多信息量的通道.实验结果表明,在自建车辆数据集上的均值平均精度(mAP)达到90.2％,比传统SSD算法提高了10.0％,其中小目标检测精度提高了17.9％;在PASCAL VOC 2012数据集上的类别平均精度mAP为83.1％,比主流的YOLOv5算法提高了6.4％.此外,提出算法在GTX1660 Ti PC端的检测速度可以达到25帧/s,能够满足实时性的需求.
文献关键词：
SSD;特征金字塔;多尺度融合;注意力机制;车辆检测
中图分类号：
作者姓名：
李凯;林宇舜;吴晓琳;廖飞宇
作者机构：
福建农林大学交通与土木工程学院,福建福州350108
文献出处：
引用格式：
[1]李凯;林宇舜;吴晓琳;廖飞宇-.基于多尺度融合与注意力机制的小目标车辆检测)[J].浙江大学学报（工学版）,2022(11):2241-2250
A类：
GTX1660
B类：
多尺度融合,目标车辆,车辆检测,目标检测算法,SSD,目标精度,多尺度信息,信息融合,融合方法,特征图,深层特征,小目标检测,大中型,支路,网络层,注意力机制模块,多信息,信息量,辆数,均值平均精度,mAP,检测精度,PASCAL,VOC,YOLOv5,Ti,检测速度,特征金字塔
AB值：
0.37195
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
