基于自适应多尺度特征融合网络的车辆检测方法

作者：申铉京; 李涵宇; 黄永平; 王玉^*

来源：电子学报, 2023, 1-9.

• 车辆检测
• 多尺度融合
• 深度可分离卷积
• YOLO v4

为了提高车辆检测精度，解决小目标车辆难以检测的问题，本文提出了自适应多尺度特征融合网络（Adaptive Multi-scale Feature Fusion Network,AMFFN），并基于该网络对YOLO v4进行了改进，取得了更好的检测效果.该网络通过使用多个空间金字塔池化，提高特征的表示能力.提出的AMFFN跨层融合了多尺度的特征，并为不同尺度的特征层分配可学习的权重.为了更好地获得特征的细节信息，本文选择了DY-ReLU作为激活函数，它可以随输入动态变化. AMFFN可以被视为一个可重用的模块，通过反复融合特性来获得更精细的特性.为了避免复杂的网络结构导致的巨大参数量，使用深度可分离卷积替换普通卷积，以降低参数量，提高网络检测速度.实验结果表明，本文提出的方法相比YOLO v4提高了1.90%的AP，检测速度提高了5 FPS.

• 单位
  吉林大学