-
题名基于注意力机制优化的YOLOv7目标检测算法
- 1
-
-
作者
张洪梅
张云飞
杨良义
李斌
张强
-
机构
智能汽车安全技术全国重点实验室
中国汽车工程研究院股份有限公司
-
出处
《汽车工程学报》
2026年第2期227-235,共9页
-
基金
重庆市人力资源和社会保障局重庆英才计划(CQYC20220207209)。
-
文摘
为保障自动驾驶系统能准确且迅速地识别道路目标信息,提出在YOLOv7主干网络中分别融合SE、CBAM、ECA三类注意力模块,设计并优化了一种可执行特征重新校准的网络结构。基于公开的KITTI数据集进行网络模型训练,搭建数据处理平台,对比分析融合SE注意力模块优化前后的网络模型性能以及对Car、Pedestrian、Cyclist三类目标的检测效果。横向对比试验结果表明,融合SE注意力模块优化算法在计算效率和精度之间取得了更好的平衡。消融试验进一步证明了SE模块贡献了主要性能增益,融合SE模块能较好地兼顾检测精度和实时性。优化后的网络模型mAP值提升了1.16%,FPS下降幅度控制在7%以内,同时对Car、Pedestrian、Cyclist三类目标检测的精度分别提高了3.17%、3.88%、2.77%,有效降低了漏检率和误检率。试验结果证明了基于注意力机制优化的YOLOv7目标检测算法对复杂环境目标检测的有效性及其实用价值,为自动驾驶系统的安全性与可靠识别提供了技术支持。
-
关键词
道路目标信息
YOLOv7目标检测算法
注意力机制
kitti数据集
-
Keywords
road target information
YOLOv7 object detection algorithm
attention mechanism
kitti data set
-
分类号
U461.91
[机械工程—车辆工程]
-
-
题名基于改进SSD的轻量化小目标检测算法
被引量：60
- 2
-
-
作者
吴天舒
张志佳
刘云鹏
裴文慧
陈红叶
-
机构
沈阳工业大学软件学院
中国科学院沈阳自动化研究所
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2018年第7期37-43,共7页
-
基金
国家自然科学基金(61540069)
装发部共用技术课题项目(Y6k4250401)
-
文摘
为提高SSD目标检测算法的小目标检测能力,提出在SSD算法中引入转置卷积结构,采用转置卷积将低分辨率高语义信息特征图与高分辨率低语义信息特征图相融合,增加低层特征提取能力,提高SSD算法的平均精准度。同时针对SSD算法存在模型过大,运行内存占用量过高,无法在嵌入式ARM设备上运行的问题,以DenseNet为基础,结合深度可分离卷积,逐点分组卷积与通道重排提出轻量化特征提取最小单元,将SSD算法特征提取部分替换为轻量化特征提取最小单元的组合后,可在嵌入式ARM设备上运行。在PASCAL VOC数据集和KITTI自动驾驶数据集上进行对比实验,结果表明改进后的网络结构在平均精准度上得到明显提升,模型参数数量得到有效降低。
-
关键词
目标检测
转置卷积
深度可分离卷积
嵌入式
PASCAL
VOC数据集
kitti数据集
-
Keywords
object detection
transposed convolution
depthwise separable convolution
embedded
PASCAL VOC data set
kitti data set
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
