-
题名融合可形变卷积与注意力检测头的交通多目标检测
- 1
-
-
作者
周泽睿
张友兵
周奎
王鑫威
杨博超
-
机构
湖北汽车工业学院智能网联汽车学院
荆楚理工学院新能源学院
-
出处
《江苏理工学院学报》
2026年第1期115-128,共14页
-
基金
国家自然科学基金湖北省重大研发计划项目“复杂行驶环境下高级自动驾驶关键技术研究及应用”(2020AAA001)
湖北省重点研发计划项目“基于四轮独立驱动的L4级自动驾驶关键技术研究”(2021BED004)。
-
文摘
目标检测作为环境感知的关键环节,在复杂交通场景中需应对多尺度目标识别和目标严重遮挡等挑战,这些问题往往会导致YOLO模型边界框定位精度下降,最终出现漏检和误检的情况。为应对上述挑战,设计并改进了基于YOLOv11架构的多目标检测方案:设计矩形自校准扩张多尺度融合模块(DMSFM),通过空洞卷积与多尺度融合策略实现三重特征提取与融合,提升模型对不同尺寸目标的特征感知能力;引入Shape NWD损失函数,突破传统IoU的局限,以形状加权和归一化Wasserstein距离的几何匹配准则,优化不同尺寸目标锚框的定位精度与敏感度;融合含并行补丁感知注意力机制的检测头,通过多分支与注意力策略,强化模型对多尺度目标特征的适应性及分类决策能力。在CODA自动驾驶道路目标检测数据集上的实验结果表明,所提方法相较于基准模型,平均召回率相对提升26.5%,mAP50和mAP50-95分别相对提升24.1%和16.9%;消融实验验证了三个核心组件的有效协同,进一步证实了本方案在复杂交通场景多尺度目标检测任务中的高鲁棒性。
-
关键词
目标检测
多尺度融合
空洞卷积
Shape-NWD
dmsfm
-
Keywords
object detection
multi-scale integration
dilated convolution
Shape-NWD
dmsfm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
