Madulous:基于多重注意力的双分支交通目标检测算法OA
随着城市智慧交通与自动驾驶的快速推进,复杂路口多目标检测面临小目标易漏检、高速移动目标易产生运动模糊、长距离遮挡识别困难以及难易样本训练失衡等问题,现有算法难以同时兼顾高精度与实时性的双重需求。本文提出基于多重注意力机制融合的双分支交通目标检测算法Madulous。算法以轻量级YOLOv8n为基础,构建双分支并行特征提取框架(DPFE),训练阶段主、辅分支协同进行特征提取;在主干网络的C2F模块嵌入高效多尺度注意力(EMA)模块,实现空间与通道双重注意力校准;在颈部网络引入Swin Transformer模块,辅助算法融合更大范围的上下文信息;重构模型的分类损失函数,基于IoU动态阈值自适应提升困难样本的训练权重。对比实验表明,该算法mAP@0.5达91.5%,较基准YOLOv8n提升2.5个百分点;在EC-R3588SPC边缘平台推理速度达23.9 FPS,在雾天、红外航拍等交通场景下泛化性能显著优于主流算法。Madulous算法实现了检测精度与实时性的良好平衡,可有效支撑路口交通目标的实时监测,为降低车辆及非机动车行驶事故发生率提供了可靠的技术方案。
朱硕;张绪康;曹恩琪;江蕊;薛梓健
无锡学院电子信息工程学院,江苏无锡214105 无锡学院江苏省通感融合光子器件及系统集成工程研究中心,江苏无锡214105南京信息工程大学电子与信息工程学院,江苏南京210044无锡学院电子信息工程学院,江苏无锡214105无锡学院电子信息工程学院,江苏无锡214105无锡学院电子信息工程学院,江苏无锡214105
信息技术与安全科学
交通信息工程及控制神经网络Transformer多重注意力目标检测
《液晶与显示》 2026 (6)
P.839-853,15
国家自然科学基金(No.12473085)。
评论