如需要完整文档点击下方 "点击下载文档" 按钮
针对目标检测算法应用在车辆类型检测的场景中,检测速度较快,但检测精度相对较低的问题,该文对 CenterNet算法进行改进。 首先,使用 ResNet 作为主干网对车型图像进行特征提取,并在特征提取网络中引入通道注意力和空间注意力,对不同通道以及不同位置的特征进行权重划分,获取更多需要关注的特征,抑制无用的特征,进而提升车型检测算法的分类及定位准确率;其次,针对小目标车型检测精度不高的问题,将不同尺度车型特征进行融合,更好地提取细粒度车型特征,提升检测精度。 为验证结合注意力机制的车型检测算法的有效性,在 KITTI 车型数据集和 BIT-Vehicle 数据集上进行实验,mAP 值分别达到 94. 6% 和 95. 5% 。 结果表明改进后的算法模型在检测速度影响较小的情况下检测精度得到显著提升。
如需要完整文档点击下方 "点击下载文档" 按钮
《结合注意力机制的车型检测算法》
将 完整文档 下载到本地,方便收藏和查阅
文件号:061428
点击下载文档