自适应特征融合的复杂道路场景目标检测算法

来源：计算机工程与应用杂志2023年第24期北京时间：

作者：冉险生, 苏山杰, 陈俊豪, 张之云

单位：重庆交通大学 机电与车辆工程学院，重庆 400074

摘要：针对复杂道路场景下密集遮挡目标、小尺度目标检测精度低，容易出现漏检和误检的问题，以YOLOv5算法为网络基础框架，提出了一种自适应特征融合的复杂道路场景目标检测算法。引入特征融合因子，改进相邻尺度特征融合方式，增加各层网络有效样本从而提升中小尺度目标检测能力；增加浅层特征检测层，提升模型小尺度目标的学习能力；改进感受野模块，允许模型自适应选择有效感受野提取目标特征信息；引入Quality Focal Loss改善密集遮挡目标，小尺度目标的定位精度，并在特征融合网络加入注意力机制，提高算法对特征信息的有效利用。实验结果表明，相比原始算法，改进算法在公开数据集BDD100K（10类）、Udacity及自制数据集CQTransport的检测精度分别提高了6.7、4.9、7.9个百分点；在基本不降低检测速度的前提下，能较好提升复杂道路场景下的检测性能，并在一定程度上解决了检测过程中密集遮挡目标、小尺度目标出现的漏检和误检问题。

关键词：目标检测,复杂道路场景,特征融合因子,自适应感受野,多尺度检测,YOLOv5