集成卷积块注意力机制的跨域车辆检测模型
计算机视觉与模式识别
2023-07-03 v4
摘要
车辆检测，尤其是通过相机视觉实现者，已成为计算机视觉领域的重要焦点并得到广泛采用。尽管当前车辆检测系统具备良好检测能力，但由于车辆间距离、光照强度和环境能见度等因素，可靠检测仍具挑战。为解决这些问题，我们提出集成卷积块注意力机制的跨域车辆检测模型（CDMA），并将其应用于自动驾驶及其他领域的车辆识别。CDMA包含若干创新：1）构建完整的跨域目标检测框架。2）开发集成卷积注意力机制、特别强调车灯特征的非配对目标域图像生成模块。3）采用广义交并比（GIOU）作为目标检测框架的损失函数。4）设计集成双头卷积块注意力模块（CBAM）的目标检测模型。5）利用一种有效的数据增强方法。为评估模型有效性，我们对SSLAD数据集中的数据进行了降低分辨率处理，并将其作为本任务的基准数据集。实验结果表明，跨域车辆目标检测模型性能较无该框架的模型提升40%，且我们的改进对跨域车辆识别有显著影响。
引用
@article{arxiv.2305.20055,
title = {Cross-Domain Car Detection Model with Integrated Convolutional Block Attention Mechanism},
author = {Haoxuan Xu and Songning Lai and Xianyang Li and Yang Yang},
journal= {arXiv preprint arXiv:2305.20055},
year = {2023}
}
备注
It needs to be returned for major modifications