基于MDA-YOLOv10的融合图像车辆行人检测方法OA

针对复杂交通场景下目标检测存在的尺度变化大、小目标检测困难、背景干扰大等问题,本研究提出一种基于MDA-YOLOv10的红外图像和可见光图像融合的车辆行人检测算法。首先,设计了MPDA模块,通过不同膨胀率的注意力头来捕捉多尺度信息,提高了模型对多尺度特征的提取能力。其次,利用DASI模块的多层次特征融合和自适应选择机制,选择性地保留目标的特征信息,提升了对小目标的检测效果。最后,通过引入ATFL损失函数对原损失函数进行优化,有效过滤背景噪声,使模型在背景复杂的情况下更好地聚焦于目标特征。实验结果显示,MDA-YOLOv10在M3FD数据集和MSRS数据集上mAP@0.5分别达到84.4%和81.6%,相比原始YOLOv10算法分别提升了3.8%和4.8%,表明该算法在复杂交通场景中具有较好的检测性能。