典型文献
基于偏振图像的低照度场景多目标检测算法
文献摘要：
偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域.近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域.本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP.首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像.其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力.此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度.实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值.
文献关键词：
偏振成像;神经网络;YOLOv5s;多目标检测;注意力机制
中图分类号：
作者姓名：
寻华生;张晶晶;刘晓;李腾;年福东;张馨
作者机构：
安徽大学 计算智能与信号处理教育部重点实验室,安徽 合肥 230601;偏振光成像探测技术安徽省重点实验室,安徽 合肥 230031;中国科学院通用光学定标与表征技术重点实验室,安徽 合肥 230031;合肥学院 先进制造工程学院,安徽 合肥 230601
文献出处：
引用格式：
[1]寻华生;张晶晶;刘晓;李腾;年福东;张馨-.基于偏振图像的低照度场景多目标检测算法)[J].红外技术,2022(05):483-491
A类：
DOLP
B类：
偏振图像,低照度,多目标检测,目标检测算法,偏振光,光反射,直接反演,输过,抗干扰特性,偏振成像,复杂环境,智能监控,监察,使用深度,判读,读图,图像检测,深度神经网络,神经网络算法,YOLOv5s,取到,偏振信息,偏振度,高对比度,主干网络,通道注意力,空间注意力,网络特征,自适应学习,means,目标位置,位置信息,学习速度,提升目标,检测精度,学习目标,复杂场景,行人目标检测,检测效果,检测速度,道路车辆,注意力机制
AB值：
0.391535
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。
