计算机应用

作者：刘越, 刘芳, 武奥运, 柴秋月, 王天笑

单位：长春工业大学 电气与电子工程学院，长春 130012

关键词：三维目标检测,自注意力机制,特征融合,动态图卷积,小目标检测

基金：吉林省科技发展计划项目(20220204090YY)

针对三维（3D）目标检测过程中对骑行者、行人等小目标检测的准确性较低，难以适应城市复杂路况的问题，提出一种基于自注意力机制与图卷积的3D目标检测网络。首先，为获取更具有判别性的小目标特征，在主干网络中引入自注意力机制，使网络对小目标特征更敏感，增强网络特征的提取能力；其次，在自注意力机制的基础上构建特征融合模块，进一步丰富浅层网络特征，增强深层网络的特征表达能力；最后，引用动态图卷积预测目标的边界框，提高目标预测的准确性。在KITTI数据集上进行实验，将所提网络与TANet（Triple Attention Network）、IA-SSD（Instance-Aware Single-Stage Detector）等8种主流网络对比。实验结果表明，所提网络对行人的检测精度在简单、中等和困难这3个难度下比行人检测精度次优的TANet提高了12.12、13.82和11.03个百分点，对骑行者的检测精度在中等和困难上比IA-SSD提高了3.06和5.34个百分点。综上所述，所提网络可以更好地应用于小目标检测任务。

来源：2024年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第6期