首页|基于注意力机制的改进YOLOv3与交通标志检测

基于注意力机制的改进YOLOv3与交通标志检测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
实时而准确的交通标志检测是车辆的辅助驾驶和无人驾驶的关键需求.为解决目标检测算法对小目标物体检测精确率低、检测速度慢的问题,提出一种嵌入混合注意力机制的交通标志检测算法YO⁃LOv3-HA.该算法融合改进的通道注意力机制和子空间注意力机制,使网络模型能够对特征进行通道和空间上的注意力加权,提升网络对有效特征的表达能力并减少干扰特征的影响.采用K-Means++聚类算法对锚框进行聚类和选择,加快网络模型的收敛速度.实验表明,该算法在TT100K(Tsinghua-Tencent 100 K)数据集上的平均准确率均值达到81.0％,相比于YOLOv3算法提升了14.2％;与一些主流目标检测算法相比,YOLOv3-HA算法在准确性和实时性上达到了良好的平衡.
Improved YOLOv3 and Traffic Sign Detection Based on Attention Mechanism

梁鑫、代倩

展开 >

中南民族大学计算机科学学院,武汉 430074

交通标志检测 小目标检测 YOLOv3算法 混合注意力

教育部产学研合作协同育人项目

201902214013

2022

10.3969/j.issn.1007-1423.2022.15.002

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(15)
  • 4