摘要
في مواجهة المشكلة التي تتعارض فيها دقة الكشف مع عبء النظام في خوارزميات الكشف عن الأهداف متعددة المقاييس للصور، تم اقتراح خوارزمية كشف أهداف خفيفة الوزن وعالية الدقة تعتمد على إطار YOLO. بناءً على شبكة MobileNetv3 ضمن إطار YOLO، تم تحسين تقليل العينات وآلية الانتباه للقناة لاستخلاص ميزات الهدف بدقة وتقليل العبء غير الضروري. تم تصميم هرم الميزات وهيكل الدمج أحادي المرحلة بدون رأس لبناء مجالات استقبال مختلفة للحصول على معلومات بمقاييس مختلفة، مما عزز التكيف مع الأهداف متعددة المقاييس. وفي الوقت نفسه، تم استخدام SIOU كخسارة انحدار وSoft-NMS لمعالجة الصناديق الزائدة، مما زاد من دقة الخوارزمية. أظهرت نتائج التجارب على مجموعتي البيانات MS COCO وUA-DETRAC للمراقبة المرورية أن الخوارزمية المحسنة التي اقترحها هذا البحث، مقارنة بـ YOLOXs الأصلية، خفضت معلمات النموذج والحوسبة بنسبة 64.98٪ و57.14٪ على التوالي دون خفض الدقة؛ وعلى مجموعة بيانات UA-DETRAC المرورية، وصل mAP@0.5 إلى 70.5٪، بزيادة 3.52٪، وزادت FPS بنسبة 14.4٪. خفضت الخوارزمية المحسنة بشكل كبير عبء النظام، ورفعت الدقة، وضمنت أداء الكشف المزدوج بفعالية.
关键词
كشف الأهداف;YOLOXs;آلية الانتباه;خفيفة الوزن;SIOU;Soft-NMS
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website