典型文献
基于改进无锚框网络的小尺度车辆目标检测方法
文献摘要：
小尺度车辆目标检测现已成为交通场景下目标检测中亟待解决的难题.对其中的难点进行研究,提出一种基于无锚框目标检测网络改进的算法.使用自适应特征提取方法,增强小尺度特征的表达,提高小尺度目标的特征提取能力;通过改进特征融合方法,将浅层信息逐层融合,解决特征丢失的问题.引入注意力增强方法,增加中心点预测能力,解决目标遮挡问题.实验结果表明,该算法在UA-DETRAC数据集上有很好的检测效果,较改进前车辆检测能力有较大提升,满足实时检测的要求,检测速度达到了59,平均精度均值为92.9％.
文献关键词：
小尺度车辆目标检测;无锚框目标检测;智慧交通;深度学习;注意力机制
中图分类号：
作者姓名：
刘腾;刘宏哲;李学伟;徐成
作者机构：
北京联合大学 北京市信息服务工程重点实验室,北京 100101;北京联合大学 机器人学院,北京 100101
文献出处：
引用格式：
[1]刘腾;刘宏哲;李学伟;徐成-.基于改进无锚框网络的小尺度车辆目标检测方法)[J].计算机工程与设计,2022(10):2799-2804
A类：
小尺度车辆目标检测
B类：
无锚框网络,目标检测方法,交通场景,无锚框目标检测,目标检测网络,自适应特征提取,尺度特征,高小,小尺度目标,特征提取能力,改进特征,特征融合,融合方法,逐层,注意力增强,增强方法,中心点,点预测,预测能力,遮挡问题,UA,DETRAC,检测效果,进前,前车,车辆检测,检测能力,实时检测,检测速度,平均精度均值,智慧交通,注意力机制
AB值：
0.415936
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。
