典型文献
自适应特征融合的轻量级交通标志检测方法
文献摘要：
针对目前交通标志检测方法中网络计算量大、检测效果差的问题,提出一种嵌入坐标注意力机制的轻量级交通标志检测方法.首先在MobileNetv2的残差块中嵌入坐标注意力机制CA(channel attention)模块以保留通道注意力中的坐标信息;其次利用改进的MobileNetv2对YOLOv4主干网络做轻量化处理,并且在PANet中采用深度可分离卷积块降低计算量;然后使用ASFF自适应特征融合改进PANet结构来均衡不同特征层的不一致性,最后在特征融合模块加入注意力以增加目标信息的权重;并由K-means++算法产生新的先验框聚类中心.实验表明,权重文件由136 M降至54.5 M削减了60％,网络体积削减了80％,精度达到96.84％,与YOLOv4网络相比仅损失了0.46％的精度.
文献关键词：
轻量级网络;注意力机制;聚类算法;自适应特征融合
中图分类号：
作者姓名：
梁秀满;邵彭娟;刘振东;赵恒斌
作者机构：
华北理工大学电气工程学院 唐山063210
文献出处：
引用格式：
[1]梁秀满;邵彭娟;刘振东;赵恒斌-.自适应特征融合的轻量级交通标志检测方法)[J].电子测量技术,2022(23):107-112
A类：
B类：
自适应特征融合,交通标志检测,中网,计算量,检测效果,坐标注意力机制,MobileNetv2,残差块,CA,channel,attention,通道注意力,YOLOv4,主干网络,轻量化处理,PANet,深度可分离卷积,ASFF,不一致性,特征融合模块,目标信息,means++,先验框,聚类中心,重文,削减,轻量级网络,聚类算法
AB值：
0.346498
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。
