具有多尺度特征融合和注意力机制的SSD
Qiang Liu1,2, Lijun Dong3,4, Zhigao Zeng5,6
1College of Computer Science, Hunan University of Technology, Zhuzhou, Hunan, China. liuqiang@hut.edu.cn.
Scientific reports
|December 4, 2023
概括
物联网 (IoT) 中的边缘计算通过本地分析数据来增强实时监控. 这项研究优化了单击多盒检测器 (SSD) 算法,以改善无效检测和系统准确性.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 物联网 (IoT) 的物联网 (IoT) 的物联网.
背景情况:
- 物联网中的图像采集设备在实时监控期间产生了大量无效数据.
- 边缘计算为本地处理数据提供了一个解决方案,减少无效并提高检测准确性.
- 单拍多盒检测器 (SSD) 算法提供快速检测,但未充分利用多尺度特征信息.
研究的目的:
- 提出一个优化的SSD算法,结合一个多级特征融合注意力机制.
- 通过融合相邻的特征层来增强特征信息的表达能力.
- 提高功能地图通道的注意力,以便在物联网环境中更准确地检测对象.
主要方法:
- 通过在SSD架构中合并相邻的功能层来实施多级特征融合策略.
- 整合了注意力机制,以选择性地增强信息功能道.
- 评估了修改后的SSD模型在边缘计算场景中的有效性.
主要成果:
- 与标准SSD算法相比,拟议的模型显示了更好的检测准确性.
- 特征融合和注意力机制有效地利用了浅层和深层数据特征.
- 边缘计算对实时监控任务的可靠性得到了显著提高.
结论:
- 多级特征融合注意力机制优化了SSD算法用于物联网应用.
- 这种方法有效地解决了实时监控中无效数据的挑战.
- 改进后的模型提高了检测准确度,并加强了边缘计算解决方案的可靠性.
