面向复杂交通场景的目标检测模型YOLO-T

打开文本图片集

摘要：针对复杂交通场景下，特别是拥堵道路中，经常出现的交通目标密集、互相遮挡，小尺度目标检测精度低的问题，提出了一种面向复杂交通场景的目标检测模型YOLO-T（You Only Look Once-Transformer）。首先提出CTNet主干网络，相较于CSPDarknet53，该主干拥有更深的网络结构和多尺度特征提取模块，不仅能够更好地学习密集目标的多级特征，还可以提高模型对复杂交通场景的应对能力，进而引导模型更加关注小目标的特征信息，提升小目标的检测性能；其次引入Vit-Block，采用卷积和Transformer并行的方式融合更多的特征，兼顾局部和上下文信息的关联性，从而提升检测精度；最后在颈部网络Neck后增加Reasonable模块，引入注意力机制，进一步提高目标检测算法对复杂场景和遮挡目标的鲁棒性。（剩余13089字）