MDSF-YOLO:通过多尺度膨胀序列融合网络提升物体检测性能
《IEEE Transactions on Neural Networks and Learning Systems》:MDSF-YOLO: Advancing Object Detection With a Multiscale Dilated Sequence Fusion Network
【字体:
大
中
小
】
时间:2026年03月03日
来源:IEEE Transactions on Neural Networks and Learning Systems 8.9
编辑推荐:
自动驾驶交通标志检测框架MDSF-YOLO通过多尺度融合和稀释残差模块提升检测精度,减少误报漏检,在TT100K和CCTSDB2021数据集上mAP分别提升8.8%和2.4%,并验证其在VisDrone2019无人机检测中的优势。
```html
摘要:
对于自动驾驶而言,准确且快速地检测交通标志至关重要,尤其是在标志种类繁多、尺寸不一、检测距离各异的复杂环境中。现有的方法(如引入注意力机制或修改检测头结构)由于采样深度的增加,常常会出现较高的误报率和漏检率。为了解决这些问题,我们提出了MDSF-YOLO(You Only Look Once)这一新型检测框架。该框架结合了多尺度序列融合(MSF)技术,实现了不同粒度特征之间的协同整合,从而提高了定位精度和语义信息融合的效果。此外,我们的Dilated-Wise Residual(DWR)模块通过使用扩张卷积和通道重参数化技术来提升细粒度特征提取能力。该架构还引入了一个
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号