融合上下文信息和注意力机制的行人检测算法OA
针对复杂交通场景下行人特征信息提取不完整、检测精度不高的问题,提出一种基于YOLOv5网络改进的融合上下文信息和注意力机制的行人检测算法——YOLOv5-STRDC。将Swin Transformer置于骨干网络中,在高效获取全局信息的同时丰富上下文信息。提出融合5个并行空洞卷积和改进卷积块注意模块(Convolutional Block Attention Module,CBAM)注意力机制的空间金字塔池化(Spatial Pyramid Po…查看全部>>
荣幸;张志华;冯东东;袁昊
兰州交通大学数理学院,甘肃兰州730070 地理国情监测技术应用国家地方联合工程研究中心,甘肃兰州730070 甘肃省地理国情监测工程实验室,甘肃兰州730070地理国情监测技术应用国家地方联合工程研究中心,甘肃兰州730070 甘肃省地理国情监测工程实验室,甘肃兰州730070 兰州交通大学测绘与地理信息学院,甘肃兰州730070地理国情监测技术应用国家地方联合工程研究中心,甘肃兰州730070 甘肃省地理国情监测工程实验室,甘肃兰州730070 兰州交通大学测绘与地理信息学院,甘肃兰州730070地理国情监测技术应用国家地方联合工程研究中心,甘肃兰州730070 甘肃省地理国情监测工程实验室,甘肃兰州730070 兰州交通大学测绘与地理信息学院,甘肃兰州730070
计算机与自动化
行人检测上下文信息空洞卷积特征金字塔注意力机制
《无线电工程》 2024 (9)
P.2152-2161,10
国家重点研发计划(2022YFB3903604)甘肃省自然科学基金(23JRRA870)。
评论