典型文献
基于注意力和多级特征融合的铁路场景小尺度行人检测算法
文献摘要：
行人入侵是影响铁路行车安全的重要因素.为有效解决短焦距摄像机在大视场中小尺度行人检测精度低的问题,提出一种注意力机制引导下的多级特征融合网络模型.首先,将YOLOv3作为主干网络,针对多次降采样后行人特征丢失的问题,设计四倍降采样分支以利用高分辨率特征有效提取小尺度行人信息.其次,特征融合阶段引入通道-空间注意力机制以抑制低层特征中背景噪声干扰.最后,引入CIoU损失函数用于行人目标框的回归,解决均方误差损失函数存在的优化不一致及尺度敏感问题.实验结果表明,相较于经典YOLOv3以及现阶段主流目标检测算法,本算法具有更高的检测精度,在自建铁路私有数据集和Caltech公开数据集的各子集上对数平均漏检率均有明显降低.
文献关键词：
铁路行车安全;小尺度行人检测;多级特征融合;通道-空间注意力;CIoU损失函数
中图分类号：
作者姓名：
石瑞姣;陈后金;李居朋;李艳凤;李丰;万成凯
作者机构：
北京交通大学电子信息工程学院,北京 100044;北京世纪瑞尔技术股份有限公司,北京 100085
文献出处：
引用格式：
[1]石瑞姣;陈后金;李居朋;李艳凤;李丰;万成凯-.基于注意力和多级特征融合的铁路场景小尺度行人检测算法)[J].铁道学报,2022(05):76-83
A类：
B类：
多级特征融合,小尺度行人检测,铁路行车安全,短焦距,摄像机,大视场,中小尺度,检测精度,特征融合网络,YOLOv3,主干网络,降采样,后行,四倍,高分辨率特征,有效提取,空间注意力机制,低层,背景噪声,噪声干扰,CIoU,损失函数,均方误差,目标检测算法,私有,Caltech,公开数据集,子集,对数平均漏检率
AB值：
0.314379
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
