科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有检测算法在复杂交通环境下受到长尾分布的影响，存在各类别性能难以平衡而导致精度下降的问题。因此，论文提出基于类别均衡的多级学习算法。首先在分类器上进行改进，采用多级分组分类的方式，实现较为平衡的类别学习过程。然后，引入基于多头注意力机制的特征分组方式，完成不同粒度语义信息的融合和特征提取。最后，为缓解组间的样本不平衡，构造了Logit联合调整方式，对两级类别输出进行调整。实验证明，论文提出的算法能有效缓解交通场景下的类别不平衡，提高了目标检测的准确性和鲁棒性。
-
单位安徽医科大学; 生物医学工程学院
