一种基于多尺度注意力的道路车辆检测方法技术

本发明专利技术设计了一种基于多尺度注意力的道路车辆检测方法，基于YOLOv8的目标检测网络构建道路车辆检测模型，其中，所述道路车辆检测模型包括Input网络模块、Backbone网络模块，Neck网络模块和Head网络模块；将道路车辆图像输入到Input模块进行预处理；预处理后的所述道路车辆图像通过Backbone网络模块进行特征提取，获得特征层；基于所述特征层，通过所述Neck网络模块进行特征融合，得到待预测特征层；将所述待预测层输入到Head模块进行输出，获取所述道路车辆图像的检测信息。本方法引入EfficientViT主干网络的Lightweight Multi‑Scale Attention模块到YOLOv8特征融合网络末端。本发明专利技术提出的方法在道路车辆的检测中，针对道路车辆易出现遮挡、可见特征不足的情况下取得较好的检测效果。

【技术实现步骤摘要】

本专利技术属于道路车辆检测，主要涉及到一种基于多尺度注意力的道路车辆检测方法。

技术介绍

1、随着我国经济水平飞速发展，人民收入水平逐渐攀升，民用汽车保有量呈爆发式增长。

2、近几年来，深度学习算法不断发展，凭借卷积神经网络优秀的特征提取能力，深度学习方法席卷目标检测领域，基于深度学习的车辆检测一跃成为当下研究热点领域。检测方法主要分为两部分：一部分为训练部分，利用车辆数据集对深度学习模型进行训练，得到训练权重；另一部分为检测部分，直接对训练过后的模型输入图片，模型输出检测结果。目前，基于深度学习的车辆检测模型可以分为基于回归问题及基于候选区域两种。

3、尽管基于深度学习的道路车辆检测算法上已经取得了较好的成绩，但仍存在如下问题：小目标车辆识别能力较差、车辆误检与车速过快造成的车辆能见度较低、图像中车辆模糊，导致车辆信息难以提取。

技术实现思路

1、为解决上述技术问题，本专利技术提出了一种基于多尺度注意力的道路车辆检测方法，能够精准识别出采集图片中的车辆信息，达到快速检测到道路车辆的效本文档来自技高网...

【技术保护点】

1.一种基于多尺度注意力的道路车辆检测方法，其特征在于，包括：

2.根据权利要求1所述的基于多尺度注意力的道路车辆检测方法，其特征在于，所述预处理为：对所述道路车辆图像进行数据增强处理；

3.根据权利要求1所述的基于多尺度注意力的道路车辆检测方法，其特征在于，所述Backbone网络模块包括部分卷积和加速神经网络结构。

4.根据权利要求3所述的基于多尺度注意力的道路车辆检测方法，其特征在于，所述部分卷积只在输入特征图的一部分上执行卷积操作，而非传统卷积操作中的全面应用，可以减少不必要的计算和内存访问；

5.根据权利要求1所述的基于多尺度注意...

【技术特征摘要】

1.一种基于多尺度注意力的道路车辆检测方法，其特征在于，包括：

2.根据权利要求1所述的基于多尺度注意力的道路车辆检测方法，其特征在于，所述预处理为：对所述道路车辆图像进行数据增强处理；

3.根据权利要求1所述的基于多尺度注意力的道路车辆检测方法，其特征在于，所述backbone网络模块包括部分卷积和加速神经网络结构。

4.根据权利要求3所述的基于多尺度注意力的道路车辆检测方法，其特征在于，所述部分卷积只在输入特征图的一部分上执行卷积操作，而非传统卷积操作中的全面...

【专利技术属性】
技术研发人员：黄俊，章英敏，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：