控制与决策

作者：邵香迎,郭颖,王友伟

单位：南京信息工程大学 江苏省大气环境与装备技术协同创新中心,南京 210044;南京信息工程大学 自动化学院,南京 210044,,南京信息工程大学 江苏省大气环境与装备技术协同创新中心,南京 210044;南京信息工程大学 自动化学院,南京 210044,,南京信息工程大学 江苏省大气环境与装备技术协同创新中心,南京 210044;南京信息工程大学 自动化学院,南京 210044,

关键词：机器视觉;微小行人;小目标检测;特征增强;上下文信息;特征细化

基金：国家自然科学基金项目(61971229).

为解决目前目标检测算法在微小行人的识别与定位过程中准确率较低的问题,提高微小行人检测能力,提出一种基于自适应融合与特征细化的微小行人检测算法AF-RetinaNet.首先,将特征增强模块与ResNet相结合构建特征提取网络,采用并行结构获得增强特征;其次,使用上下文自适应学习模块,通过获得目标上下文的特征信息,从而关注相似特征的差异性,缓解误检问题;最后,构造具有图像超分思想的特征细化模块,对目标特征信息进行放大重构,优化小目标的特征表达能力,缓解漏检问题.在TinyPerson数据集上,AF-RetinaNet算法的检测精度达到56.78%,漏检率达到85.38%.与基于RetinaNet算法的研究基准相比,检测精度提高5.57%,漏检率降低3.67%.实验结果表明,该模型能有效提高对微小行人的检测和识别精度.

来源：2024年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第3期