摘要
本发明公开了一种适用于城市道路场景下遮挡车辆的目标检测方法,以解决无人驾驶、智能交通等领域由于各种遮挡导致的目标与背景混淆问题,从而提升目标检测精度。该方法基于YOLOv8网络,通过在主干网络引入混合注意力机制,增强了特征提取中的通道和空间信息捕捉能力;同时,在颈部网络加入多尺度特征自适应融合模块,通过跨层信息融合不同尺度的特征,提升网络的检测能力;并改进YOLOv8的上采样模块,采用动态层次化上采样策略,对输入特征进行动态分层采样,优化了特征的空间分辨率和语义表达能力。该方法有效提高了目标检测精度,减轻了遮挡物干扰,确保了高精度的同时实现了快速检测,特别适合在城市道路环境中进行自动驾驶系统的目标检测任务。
技术关键词
面向城市道路
城市道路场景
注意力机制
多尺度特征
上采样
特征提取模块
特征提取网络
动态
检测网络模型
车辆
多尺度信息
关键区域信息
通道
抑制背景干扰
城市道路环境
输出特征
系统为您推荐了相关专利信息
效应
图像增强方法
照度
图像增强网络
编解码结构
多模态特征融合方法
医学图像分割方法
编码特征
智能检测系统
多模态数据采集
垃圾分类方法
自动识别方法
标签
数据
注意力机制
注意力机制
特征提取网络
行车记录仪
标注工具
图像