發(fā)布時間：2024-01-24 09:42

　　針對多尺度目標(biāo)檢測問題,提出一種基于深度注意力機(jī)制的多尺度紅外行人檢測方法。首先,選取較為輕量級的Darknet53作為深度卷積特征提取的主干網(wǎng)絡(luò),設(shè)計四尺度的特征金字塔網(wǎng)絡(luò)負(fù)責(zé)目標(biāo)的定位和分類,通過引入更低層高分辨率的特征圖來改善對小尺度行人目標(biāo)的檢測性能。其次,利用注意力模塊替代特征金字塔網(wǎng)絡(luò)中傳統(tǒng)的上采樣模塊,生成基于卷積特征的局部顯著圖,可以有效抑制不相關(guān)區(qū)域的特征響應(yīng),突出圖像局部特性。最后,利用Caltech行人數(shù)據(jù)集和U-FOV紅外行人數(shù)據(jù)集進(jìn)行兩次遷移訓(xùn)練,以提高模型的泛化能力,豐富行人的樣本特征。實驗結(jié)果表明,所提方法在U-FOV數(shù)據(jù)集上的識別平均準(zhǔn)確率達(dá)到了93.45%,比YOLOv3高26.74個百分點(diǎn),能檢測到的最小行人像素為6×13。在LTIR數(shù)據(jù)集上的定性實驗結(jié)果驗證,所提模型具有良好的泛化能力,適用于多尺度紅外行人的檢測。

【文章頁數(shù)】：12 頁

圖1U-FOV紅外圖像行人特性。

圖2基于Darknet53的多尺度紅外行人檢測網(wǎng)絡(luò)結(jié)構(gòu)

圖3注意力模塊結(jié)構(gòu)

圖4殘差模塊

本文編號：3883587