-
题名融合极化自注意力机制的交通信号灯检测算法
- 1
-
-
作者
罗庆龄
-
机构
长江大学计算机科学学院
-
出处
《长江信息通信》
2024年第6期40-43,共4页
-
文摘
针对Yolov8算法在低像素小目标上检测效果差以及易发生漏检误检等问题,提出融合极化自注意力机制的交通信号灯检测算法。首先,在颈部网络中引入SPD模块以增强对分辨率低的小目标的识别能力;其次,引入PSA极化自注意力机制,使模型能学到更多非线性细节语义信息,提升模型的表达能力;最后,采用Focal-CIoU优化损失,以解决样本类别不均衡和框回归准确性问题,进一步降低误检漏检率。实验结果表明,在S2TLD数据集中,改进的算法与Yolov8s相比,模型的精度提高了1%,FPS提升了2.21f/s,有效实现了模型精度与实时性能的平衡,为自动驾驶场景下交通信号灯的检测提供了新思路。
-
关键词
交通信号灯检测
极化自注意力机制
Yolov8s
Focal-CIoU
S2TLD数据集
-
Keywords
traffic signal detection
polarized self-attention mechanism
Yolov8s
focal-clou
S2 TLD datasct
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
