基于多级学习的长尾分布下交通多目标检测
吴亮1
梁振2
张燚鑫3
王子磊1
1.安徽医科大学生物医学工程学院 合肥 230000;合肥综合性国家科学中心人工智能研究院 合肥 2300002.安徽医科大学生物医学工程学院 合肥 2300003.合肥综合性国家科学中心人工智能研究院 合肥 230000
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.
关键词：多目标检测长尾分布注意力机制类别不平衡
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61836008)
论文发表日期：2023-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 599-605 )
英文信息