基于多尺度特征融合与交互的路侧目标检测算法

作     者：顾杨海 李富 陈德基 王泉 Gu Yanghai;Li Fu;Chen Deji;Wang Quan

作者机构：南京信息工程大学计算机学院南京210044 同济大学嵌入式系统与服务计算教育部重点实验室上海201804 无锡学院物联网工程学院无锡214105 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2024年第47卷第23期

页      面：152-161页

学科分类：080902[工学-电路与系统] 0809[工学-电子科学与技术（可授工学、理学学位）] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金青年项目(42305158)资助 

主　　题：路侧图像 星操作 特征融合 目标检测 注意力机制 

摘      要：针对路侧视角下目标检测任务中,小目标密集,多尺度变化以及复杂天气背景干扰等挑战,提出基于多尺度特征融合与交互的目标检测算法——MF-YOLO。设计C2f-CAST,通过星操作将来自不同子空间的特征进行交互与变换,并引入MLCA捕捉远距离像素之间局部,全局特征以及通道和空间特征,多尺度信息聚合加强对遮挡目标显著语义信息关注,消除背景影响;针对颈部层在上下文信息融合效率较低的问题,加入轻量级卷积GSConv对传统卷积进行优化,并设计跨级部分网络模块,降低模型复杂度和参数量。构造跨层级融合模块SDFM,对浅层特征图进行自校准操作,并融合深层特征图语义信息,解决小目标漏检的问题;最后,设计基于自适应惩罚因子和锚框质量的梯度调整函数,并结合动态聚集机制改进的WPIoU损失函数,提升边界框回归性能和检测鲁棒性。实验结果显示,MF-YOLO在DAIR-V2X-I和UA-DETRAC数据集上mAP@0.5指标分别达到85.1%,92.3%,与原YOLOv8s相比分别提升4.4%和1.8%,计算量GFLOPs下降了19.8%,参数量下降8.18%。检测速度达到152 fps,满足实时要求。