计算机应用

作者：刘丹, 吴亚娟, 罗南超, 郑伯川

单位：1. 西华师范大学 计算机学院, 四川 南充 637009;2. 阿坝师范学院 计算机科学与技术学院, 四川 阿坝 623002;3. 西华师范大学 数学与信息学院, 四川 南充 637009

关键词：Gaussian-YOLO v3,注意力机制,特征交织,自动驾驶,目标检测

基金：四川省科技计划项目（2019YFG0299）；西华师范大学基本科研项目（19B045）；西华师范大学大学生创新创业项目（cxcy2018305）。

错误的目标检测可能导致严重事故，因此高精度的目标检测在汽车自动驾驶中至关重要。提出了一种嵌入注意力和特征交织模块的Gaussian-YOLO v3目标检测方法。该方法主要对Gaussian-YOLO v3的几个特定特征图进行了改进：首先在特征图中添加注意力模块以自主学习每个通道的权重，增强关键特征、抑制冗余特征，从而加强网络对前景目标和背景的区分能力；其次，同时将特征图的不同通道进行特征交织得到更具表征性的特征；最后，把注意力和特征交织模块分别得到的特征融合构成新的特征图。实验结果表明，所提方法在BDD100K数据集上达到了20.81%的平均精确率均值（mAP）和18.17%的F1分数，使误报率减少了3.5%，意味着误报率得到了有效降低。由此可见，所提方法的检测性能优于YOLO v3和Gaussian-YOLO v3。

来源：2020年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第8期