结合注意力机制的车型检测算法

来源：计算机技术与发展杂志2021年第12期北京时间：

作者：谢斌红;赵金朋;张英俊

摘要：针对目标检测算法应用在车辆类型检测的场景中,检测速度较快,但检测精度相对较低的问题,该文对 CenterNet算法进行改进。 首先,使用 ResNet 作为主干网对车型图像进行特征提取,并在特征提取网络中引入通道注意力和空间注意力,对不同通道以及不同位置的特征进行权重划分,获取更多需要关注的特征,抑制无用的特征,进而提升车型检测算法的分类及定位准确率;其次,针对小目标车型检测精度不高的问题,将不同尺度车型特征进行融合,更好地提取细粒度车型特征,提升检测精度。 为验证结合注意力机制的车型检测算法的有效性,在 KITTI 车型数据集和 BIT-Vehicle 数据集上进行实验,mAP 值分别达到 94. 6% 和 95. 5% 。 结果表明改进后的算法模型在检测速度影响较小的情况下检测精度得到显著提升。

关键词：智慧交通;目标检测;特征融合;注意力机制;残差网络;可变形卷积