典型文献
基于多特征融合注意力机制的交通标志检测
文献摘要：
针对复杂环境下交通标志目标检测尺寸较小、特征不明显等问题,在YOLO v4算法的基础上,提出了基于多特征融合注意力机制的方法,形成reSE-BYOLO v4算法.reSE-BYOLO v4算法首先利用高分辨率下的特征信息改进检测层部分,提高小目标的检测能力;在特征融合部分利用同一尺度特征信息构建横向连接,使模型在不增加成本情况下融合更多的特征;利用reSE模块对有效特征进行增强,该模块对SE模块进行优化,利用残差学习的思想对通道维度重新标定.在TT100 K数据集上的测试结果表明,reSE-BYOLO v4算法相对YOLO v4算法平均精度(mAP)提高了6.57％,平均精确度提高了4.78％,平均召回率提高了5.26％,reSE-BYOLO v4算法对交通标志识别能力更强.
文献关键词：
交通标志检测;YOLO v4;注意力机制;残差学习;特征融合
中图分类号：
作者姓名：
李国强;付乐;查琳琳;王天雷
作者机构：
燕山大学电气工程学院 秦皇岛 071000
文献出处：
引用格式：
[1]李国强;付乐;查琳琳;王天雷-.基于多特征融合注意力机制的交通标志检测)[J].高技术通讯,2022(11):1178-1187
A类：
reSE,BYOLO,TT100
B类：
多特征融合,注意力机制,交通标志检测,复杂环境,目标检测,v4,特征信息,检测层,高小,小目标,检测能力,一尺,尺度特征,信息构建,横向连接,加成,有效特征,残差学习,mAP,召回率,交通标志识别,识别能力
AB值：
0.238111
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。
