同济大学学报(自然科学版)

作者：陈婷，朱熟康，高涛，李浩，涂辉招，李子琦

单位：1.长安大学 信息工程学院，陕西 西安 710064;2.同济大学 交通运输工程学院，上海 201804

关键词：目标检测,车辆检测,互补池化,自适应融合,通道维度分组注意力

基金：国家重点研发计划（2023YFB2504703，2019YFE0108300）；国家自然科学基金（52172379，62001058）；中央高校基本科研业务费专项资金（300102241201， 310833160212）

针对传统的车辆检测技术检测速度慢和精度低的问题，提出了一种融合注意力的自适应金字塔网络的交通目标检测算法（fusion attentiont adaptive pyramid network，FAAP-Net），可以显著降低交通事故的发生率。为了降低计算复杂度，设计了一种轻量级的互补池化结构（CPS），该结构在宽度和高度上采用了两组不同的池化组合，在保持高精度的同时，显著降低了网络的浮点运算数（GFLOPs）和参数量。为了解决智能交通系统特征图生成过程中的信息损失问题，通过将自适应注意力模块（AAM）和特征增强模块（FEM）引入自适应融合特征金字塔网络（AF-FPN），以融入车辆检测的形状特征。针对车辆细节特征表征弱的问题，引入了一种按通道维度分组的注意力（SA）机制，以增强主干网络对不同车辆检测细节特征的关注，有效提取车辆细节的显著特征。在BDD100K数据集上的实验结果表明，FAAP-Net算法相比于传统算法，平均精度从30.3%提升到43.7%。

来源：2024年第4期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2024年第4期