融合注意力机制与重影特征映射的无人机交通场景目标轻量级语义分割

针对轻量语义分割算法应用于无人机高分辨率交通场景图像分割时存在边缘信息模糊、小目标特征提取准确性较差的问题,提出一种融合注意力机制与重影特征映射的轻量级语义分割算法。首先在BiSeNet V2算法语义分支8倍和16倍下采样过程嵌入混合注意力模块,重新分配深层特征图权重,增强局部关键特征提取能力;然后采用重影特征映射单元优化传统卷积层,进一步降低运算成本;最后使用动态阈值损失函数监督训练,调节高损失困难样本训练权重。利用UAVid数据集对改进后的算法进行训练并测试,发现算法平均交并比(mean intersection over union,mIoU)为52.7%,较改进前的模型提升7.8%,且当输入图像尺寸为1280×736时推理速度达到81.6 FPS,满足实时分割要求。结果表明,该算法能较好适应复杂交通场景,有效改善边缘信息模糊和小目标分割准确性较差的问题。

引入重影特征映射和通道注意力机制的手势识别算法

针对轻量型目标检测网络对静态手势特征提取能力不足、错检率和漏检率高的问题,基于YOLOv4-tiny网络结构提出轻量型手势识别算法.首先引入表征力更强、成本更低的重影特征映射,增强网络获取多尺度手势特征的能力;然后嵌入通道注意力机制实现特征重标定,达到减少背景干扰的目的;最后采用Swish作为主激活函数,进一步提升手势识别准确率.在手势数据集上的实验结果表明,相比YOLOv4-tiny,所提算法具有较优的识别性能;并且对于不同环境条件下的多尺度手势,该算法能够实现精准的分类和实时的检测,对小尺度的手势具有更好的识别效果.