结合级联注意力机制的车辆检测算法

来源：计算机工程与应用杂志2023年第21期北京时间：

作者：邓天民, 刘旭慧, 王丽, 王春霞

单位：重庆交通大学 交通运输学院，重庆 400074

摘要：针对车辆检测过程中，复杂背景影响较大、远场景小目标及密集遮挡目标特征提取难度较大的问题，提出一种结合级联注意力机制的车辆检测算法CAM-YOLO。构建了一种级联注意力特征提取模块，分别从通道和空间角度出发为特征信息赋予不同的权重，强化关键特征表达能力的同时抑制无关背景信息的影响。采用多尺度特征检测方法，构建一个含有更多细节信息的大尺度特征图，加强目标检测器对远场景小目标的特征提取能力。采用DIOU_NMS后处理方法，同时考虑预测框重叠区域与中心点之间的距离，精准回归预测框，提升密集遮挡车辆目标检测效果。实验结果表明，相较于基线算法YOLOv5s，该算法在KITTI数据集与BDD100K数据集上的平均精度均值分别达到了98.13%与60.60%，模型检测速率分别达到了76.92?FPS与58.82?FPS，在执行复杂背景、远场景以及密集遮挡下的车辆检测任务时具有更好的表现。

关键词：车辆检测,级联注意力机制,多尺度特征检测,DIOU_NMS方法