面向復(fù)雜交通場景的目標(biāo)檢測模型YOLO-T

打開文本圖片集

摘要：針對復(fù)雜交通場景下，特別是擁堵道路中，經(jīng)常出現(xiàn)的交通目標(biāo)密集、互相遮擋，小尺度目標(biāo)檢測精度低的問題，提出了一種面向復(fù)雜交通場景的目標(biāo)檢測模型YOLO-T（You Only Look Once-Transformer）。首先提出CTNet主干網(wǎng)絡(luò)，相較于CSPDarknet53，該主干擁有更深的網(wǎng)絡(luò)結(jié)構(gòu)和多尺度特征提取模塊，不僅能夠更好地學(xué)習(xí)密集目標(biāo)的多級特征，還可以提高模型對復(fù)雜交通場景的應(yīng)對能力，進(jìn)而引導(dǎo)模型更加關(guān)注小目標(biāo)的特征信息，提升小目標(biāo)的檢測性能；其次引入Vit-Block，采用卷積和Transformer并行的方式融合更多的特征，兼顧局部和上下文信息的關(guān)聯(lián)性，從而提升檢測精度；最后在頸部網(wǎng)絡(luò)Neck后增加Reasonable模塊，引入注意力機(jī)制，進(jìn)一步提高目標(biāo)檢測算法對復(fù)雜場景和遮擋目標(biāo)的魯棒性。（剩余13089字）