典型文献
基于注意力机制的改进YOLOv3与交通标志检测
文献摘要：
实时而准确的交通标志检测是车辆的辅助驾驶和无人驾驶的关键需求.为解决目标检测算法对小目标物体检测精确率低、检测速度慢的问题,提出一种嵌入混合注意力机制的交通标志检测算法YO?LOv3-HA.该算法融合改进的通道注意力机制和子空间注意力机制,使网络模型能够对特征进行通道和空间上的注意力加权,提升网络对有效特征的表达能力并减少干扰特征的影响.采用K-Means++聚类算法对锚框进行聚类和选择,加快网络模型的收敛速度.实验表明,该算法在TT100K(Tsinghua-Tencent 100 K)数据集上的平均准确率均值达到81.0％,相比于YOLOv3算法提升了14.2％;与一些主流目标检测算法相比,YOLOv3-HA算法在准确性和实时性上达到了良好的平衡.
文献关键词：
交通标志检测;小目标检测;YOLOv3算法;混合注意力
中图分类号：
作者姓名：
梁鑫;代倩
作者机构：
中南民族大学计算机科学学院,武汉 430074
文献出处：
引用格式：
[1]梁鑫;代倩-.基于注意力机制的改进YOLOv3与交通标志检测)[J].现代计算机,2022(15):9-16
A类：
B类：
YOLOv3,交通标志检测,时而,辅助驾驶,无人驾驶,目标检测算法,物体检测,精确率,检测速度,速度慢,混合注意力机制,HA,算法融合,通道注意力机制,子空间,空间注意力机制,有效特征,表达能力,干扰特征,Means++,聚类算法,锚框,收敛速度,TT100K,Tsinghua,Tencent,平均准确率,上达,小目标检测
AB值：
0.370853
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。
