《电子测量技术杂志》发表论文赏析

基于边界特征与多尺度特征的车辆目标检测

来源:电子测量技术杂志2025年第16期北京时间:

作者:李天林,安毅,陈岩

单位:1.新疆大学电气工程学院 乌鲁木齐 830017;2.大连理工大学控制科学与工程学院 大连 116024

摘要:车辆目标检测技术在智能驾驶、智能交通和公共安全领域中具有重要意义。然而,真实环境中存在背景干扰、小目标检测难度大以及车辆密集时出现相互遮挡的问题。针对以上问题,提出一种基于边界特征与多尺度特征融合改进YOLOv8的车辆目标检测方法EM-YOLO。首先,设计了一种边界引导的多尺度特征块,以结合边界特征与多尺度特征,用于改进原始的骨干网络,增强抑制背景干扰的能力。其次,特征在网络流动的过程中会出现细节信息的损失,而小目标车辆能够提取到的有效特征较少,加重了细节信息的损失。为此提出细节特征增强块,通过充分结合不同层级的特征,缓解细节信息的损失,进而改善小目标问题。随后,分析了车辆相互遮挡导致检测性能下降的原因,并针对此问题提出了一种检测头。最后,结合PIoU、Focaler-IoU和WIoU,构造了WPF-IoU,以优化训练过程,进而提升检测性能。经实验验证,改进后模型的精度和召回率相比原始模型分别提升了1.9%和4.1%,mAP50和mAP50∶95分别提升了4.4%和3.3%。与其他方法相比,本文提出的方法在各项性能指标上表现更优,具有一定的实际应用价值。

关键词:车辆目标检测;小目标;多尺度特征;细节信息;损失函数

基金资助:辽宁省自然科学基金计划项目(2023-MS-093)、国家自然科学基金项目(62173055)、山西省科技重大专项揭榜项目(20191101014)、新疆维吾尔自治区重大科技专项项目(2023A01005-1)资助

2025年16期其他文献查阅:

单目SLAM中基于单应性的快速地平面检测方法

参数自适应的NC-AFM悬臂控制系统设计

基于STA机制的AE-BiLSTM的滚动轴承剩余寿命预测

基于ResNet-LSTM的心电信号特征点检测优化算法研究

基于IZOA结合最小交叉熵的图像分割算法

基于KAN的多模态自动睡眠分期

动态场景下融合稀疏光流的语义视觉SLAM算法

基于改进YOLO算法地铁异物检测

压力容器焊接区几何角度对相控阵检测的影响

基于参数优化和QR的短期风电功率预测

刚性陶瓷防热瓦损伤无损检测技术研究进展

基于SecureViT的恶意代码检测模型

基于深度约束与光流跟踪的视觉SLAM方法

混合SAM改善钙钛矿太阳能电池空穴传输能力

谐振式光学微腔陀螺锁频及误差反馈技术研究

基于密集空洞金字塔的SAR多尺度道路检测

基于边界特征与多尺度特征的车辆目标检测

基于改进LoG-Zernike矩的亚像素磁瓦边缘检测方法

联合多尺度注意力与混合池化的手腕创伤X光图像检测

PSSN-YOLO:风机表面缺陷检测模型

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!