摘要
نظرًا لتعقيد بيئة الأهداف في حركة المرور على الطرق، ولوجود مشكلة عدم كفاية استخراج الميزات الأساسية من قبل النموذج وانخفاض دقة تحديد موقع الهدف، تم اختيار نموذج SSD كإطار أساسي لإجراء بحث على طريقة استخراج الميزات، وتعزيز المعلومات الرئيسية، وتحديد ميزات غير محلية. أولاً، من أجل معالجة مشكلة تعدد المقاييس للأهداف في سيناريوهات حركة المرور على الطرق بشكل موجه، تم اقتراح هيكل هرم الميزات العكسي القافز لتوليد ميزات أكثر تمييزًا؛ ثانيًا، لحل مشكلة الاختلاف في مساهمة مستويات الدلالات المختلفة في عملية دمج الميزات، تم تصميم وحدة دمج ميزات تكيفية قائمة على آلية الانتباه لتعزيز قدرة التعبير عن الميزات الرئيسية بطريقة غير مسبقة على مستوى القنوات؛ وأخيرًا، تم إدخال وحدة الانتباه المتقاطع لتعزيز حساسية النموذج لموقع الأهداف. أظهرت نتائج التجارب أن الطريقة المحسنة رفعت متوسط الدقة بنسبة 2.6% على مجموعة البيانات الفرعية PASCAL VOC و3.9% على مجموعة بيانات حركة المرور الخاصة، مع ضمان الحفاظ على الوقت الحقيقي. بالنظر إلى ذلك، يمكن أن يُستخدم الخوارزم المحسن على نطاق واسع في مهام الكشف عن المركبات والمشاة على الطرق.
关键词
التعلم العميق; كشف المركبات والمشاة; هرم الميزات; آلية الانتباه; دمج الميزات
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