控制与决策

作者：陈文玉,赵怀慈,刘鹏飞,房建,孙晖

单位：中国科学院 光电信息处理重点实验室,沈阳 110016;中国科学院 沈阳自动化研究所,沈阳 110016;中国科学院 机器人与智能制造创新研究院,沈阳 110169;中国科学院大学,北京 100049,,中国科学院 光电信息处理重点实验室,沈阳 110016;中国科学院 沈阳自动化研究所,沈阳 110016;中国科学院 机器人与智能制造创新研究院,沈阳 110169,,中国科学院 光电信息处理重点实验室,沈阳 110016;中国科学院 沈阳自动化研究所,沈阳 110016;中国科学院 机器人与智能制造创新研究院,沈阳 110169,,中国科学院 光电信息处理重点实验室,沈阳 110016;中国科学院 沈阳自动化研究所,沈阳 110016;中国科学院 机器人与智能制造创新研究院,沈阳 110169,,中国科学院 光电信息处理重点实验室,沈阳 110016;中国科学院 沈阳自动化研究所,沈阳 110016;中国科学院 机器人与智能制造创新研究院,沈阳 110169;中国科学院大学,北京 100049,

关键词：车辆检测;深度学习;YOLOv3;坐标注意力;Soft-SPP;KIoU Loss

交通场景下的车辆检测问题存在小目标多、目标遮挡严重等情况,鉴于此,提出一种基于改进YOLOv3的车辆检测算法.由于小目标仅包含较少的像素,特征不明显,算法在空间金字塔结构中融入软池化操作,搭建Soft-SPP结构将多重感受野融合,通过软池化操作最大程度地保留细节,有效提取小目标特征;引入坐标注意力机制,在调整每个通道特征分配权重的同时能够捕捉具有精确位置信息的远程依赖关系;提出一种新的损失函数KIoU Loss作为边界框损失函数,同时考虑边界框的关键点与长宽比使之回归更加准确.实验结果表明,改进后的算法在自动驾驶KITTI数据集上平均精度达到94.69%,相比原始YOLOv3算法精度提升4.13%,且检测速度仅下降3.16frame\cdots^{-1

来源：2024年第4期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第4期