ISA:聪明的姆人 对复杂场景的对象检测算法的注意力
Lianjun Liu1, Ziyu Hu1, Yan Dai1
1School of Electrical Engineering, Yanshan University, Qinhuangdao, 066004, China.
ISA transactions
|September 13, 2023
概括
本研究介绍了语注意力YOLO (SAYOLO) 算法,以改善复杂环境中的对象检测. 赛洛 (SAYOLO) 提高了检测准确度,提高了现实应用的可靠性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 复杂的环境显著阻碍了对象检测算法的性能.
- 增强的检测准确性对于在具有挑战性的条件下可靠的物体检测任务至关重要.
研究的目的:
- 提出一种新的物体检测算法,Siamese Attention YOLO (SAYOLO),以提高复杂环境中的准确性.
- 在面对环境变化时,解决现有物体检测方法的局限性.
主要方法:
- 开发了语注意力YOLO (SAYOLO) 算法,结合了语注意力结构.
- 该结构包括注意力子YOLOv4 (ANYOLOv4),一个罗神经网络,以及一个专门的网络评分模块.
主要成果:
- 与Faster-RCNN,SSD,YOLOv3,YOLOv4,YOLOv5-l和YOLOX-x.相比,SAYOLO在复杂迷你VOC数据集上的检测准确度更高.
- 与传统的图像预处理方法相比,与YOLOv4变体相结合,实现了显著的精度改进.
结论:
- 提出的SAYOLO算法有效地提高了复杂环境中的对象检测准确性.
- 赛洛提供了一个强大的解决方案,以提高物体检测系统的稳定性和可靠性.
