基于ATO-YOLO的小目标检测算法OA北大核心CSTPCD
小目标检测在计算机视觉领域具有重要意义,但现有方法在应对小目标的尺度变化、目标密集和无规则排列等挑战时经常出现漏检和误检的问题。为解决这些问题,提出基于改进YOLOv5算法的ATO-YOLO。为提升检测模型的特征表达能力,提出一种结合注意力机制的自适应特征提取模块(adaptive feature extraction,AFE),通过动态调整权重分配突出关键目标的特征表示,提高目标检测任务在不同场景下的准确性和鲁棒性。设计一种三重特征融合机制(t…查看全部>>
苏佳;秦一畅;贾泽;王静
河北科技大学信息科学与工程学院,石家庄050018河北科技大学信息科学与工程学院,石家庄050018河北科技大学信息科学与工程学院,石家庄050018河北科技大学信息科学与工程学院,石家庄050018
计算机与自动化
YOLOv5多尺度特征融合自适应特征提取小目标检测
《计算机工程与应用》 2024 (6)
P.68-77,10
国家自然科学基金青年科学基金(62105093)。
评论