基于多尺度差分注意力的小目标交通信号灯检测算法OA

在自动驾驶系统中,交通信号灯的准确检测对于保障行驶安全至关重要。然而,由于目标尺寸较小且易受复杂背景噪声干扰,现有检测方法在性能上仍面临挑战。针对这一问题,提出一种多尺度差分注意力模块(Multi-Scale Differential Attention,MSDA)。该模块通过挖掘不同感受野特征间的差异来捕捉目标与背景的响应差异,并引入坐标注意力机制对差分特征进行空间与通道维度的权重调制,从而有效抑制背景噪声并增强目标特征。在S2TLD数据集上的实验结果表明,所提方法的平均精度均值(mAP@0.5)达到92.25%,相较于YOLOv5s基线模型提升了3.19%;在mAP@0.5∶0.95指标上,小目标检测性能提高了1.2%;与次优模型YOLOv5m相比,所提方法的mAP@0.5高出1.58%。上述结果充分验证了所提方法在小目标交通信号灯检测任务中的有效性与优越性。