人工智能相關(guān)文章

全局通道注意力增強(qiáng)的毫米波圖像目標(biāo)檢測(cè)

針對(duì)主動(dòng)毫米波圖像中目標(biāo)與背景紋理區(qū)分度較低導(dǎo)致隱匿目標(biāo)漏檢問題，并根據(jù)安檢實(shí)時(shí)性要求，提出一種基于全局通道注意力增強(qiáng)的主動(dòng)毫米波圖像目標(biāo)檢測(cè)方法。該方法以YOLOv5s為載體，在坐標(biāo)注意力位置方向上引入全局通道注意模塊，增強(qiáng)對(duì)隱匿目標(biāo)全局通道信息的關(guān)注，從而提升在隱匿目標(biāo)與背景紋理區(qū)分度較低時(shí)的檢測(cè)能力；再利用K-means++聚類算法重新生成適合毫米波圖像目標(biāo)檢測(cè)的錨框。實(shí)驗(yàn)結(jié)果表明，無論是陣列圖像數(shù)據(jù)集還是線掃圖像數(shù)據(jù)集，該方法增強(qiáng)了對(duì)隱匿目標(biāo)的特征注意，提高了召回率，在滿足安檢實(shí)時(shí)性的前提下，提升了檢測(cè)性能。通過增加少量參數(shù)，在陣列圖像數(shù)據(jù)集上，精度、召回率和mAP@.5達(dá)到了92.0%、90.93%和95.32%；在線掃圖像數(shù)據(jù)集上，精度、召回率和mAP@.5達(dá)到了94.65%、92.67%和97.73%。平均單張圖像推理時(shí)間在兩個(gè)數(shù)據(jù)集上均達(dá)到1 ms，滿足實(shí)時(shí)性要求。

發(fā)表于：2024/3/20