典型文献
基于改进Transformer的小目标车辆精确检测算法
文献摘要：
智能交通系统的建立离不开车辆检测技术。目前的主流方案是使用卷积神经网络（CNN）架构进行车辆检测，然而在复杂交通场景中，远距离小目标像素点少，CNN的下采样机制导致提取的特征缺乏充足的上下文信息，因而小目标检测面临极大挑战。针对这个问题，提出了一种基于视觉Transformer的小目标车辆检测算法。所提算法通过改进Transformer的线性嵌入模块，补充小目标的线性嵌入信息；对图像进行层级构建，每层仅对局部进行关系建模，同时扩大感受野，代替CNN提取出更强有力的小目标车辆特征，实现端到端的精确检测。在UA-DETRAC车辆数据集上进行验证，实验结果表明，改进后的车辆检测算法提高了对远距离及严重遮挡情况下小目标的检测性能，检测精度达到99.0%。
文献关键词：
机器视觉;车辆检测;小目标;图像增强;视觉Transformer
中图分类号：
作者姓名：
谢光达;李洋;曲洪权;孙再鸣
作者机构：
北方工业大学电气与控制工程学院，北京 100144;北方工业大学信息学院，北京 100144;华北电力大学控制与计算机工程学院，北京 102206
文献出处：
引用格式：
[1]谢光达;李洋;曲洪权;孙再鸣-.基于改进Transformer的小目标车辆精确检测算法)[J].激光与光电子学进展,2022(18):1815016
A类：
B类：
Transformer,目标车辆,精确检测,检测算法,智能交通系统,开车,车辆检测,交通场景,远距离,像素点,下采样,采样机制,制导,上下文信息,小目标检测,每层,对局,关系建模,感受野,端到端,UA,DETRAC,辆数,遮挡,检测性能,检测精度,机器视觉,图像增强
AB值：
0.31869
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。
