|
|
1.
嵌入注意力和特征交织模块的Gaussian-YOLO v3目标检测
刘丹, 吴亚娟, 罗南超, 郑伯川
计算机应用
2020, 40 (8):
2225-2230.
DOI: 10.11772/j.issn.1001-9081.2020010030
错误的目标检测可能导致严重事故，因此高精度的目标检测在汽车自动驾驶中至关重要。提出了一种嵌入注意力和特征交织模块的Gaussian-YOLO v3目标检测方法。该方法主要对Gaussian-YOLO v3的几个特定特征图进行了改进：首先在特征图中添加注意力模块以自主学习每个通道的权重，增强关键特征、抑制冗余特征，从而加强网络对前景目标和背景的区分能力；其次，同时将特征图的不同通道进行特征交织得到更具表征性的特征；最后，把注意力和特征交织模块分别得到的特征融合构成新的特征图。实验结果表明，所提方法在BDD100K数据集上达到了20.81%的平均精确率均值（mAP）和18.17%的
F
1分数，使误报率减少了3.5%，意味着误报率得到了有效降低。由此可见，所提方法的检测性能优于YOLO v3和Gaussian-YOLO v3。
参考文献 |
相关文章 |
多维度评价
|
|
