.png){kind=icon}
返回
Radar and Camera Fusion Traffic Object Detection Method Based on EHRFuser Model
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-96-7703-0_13.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
鉴于交通运输技术的持续进步和车辆数量的不断增长，加之频繁交通事故的严峻需求，智能道路测试、交通监控、自动驾驶及辅助驾驶技术等领域的研究兴趣与探索日益增多。为解决多尺度传感器融合（HRFuser）模型在特征提取与检测过程中对关键特征捕捉不足的问题，我们提出了增强型HRFuser（EHRFuser）模型。该模型整合了高效通道与空间注意力瓶颈（ECSA-Bott）模块和增强级联区域卷积网络（ECascade R-CNN）。ECSA-Bott模块通过融合多种注意力机制，在卷积特征提取过程中聚焦通道和空间维度上的相关信息。我们通过将ECSA模块集成至检测器构建ECascade R-CNN，从而强化关键细节并提升融合特征图的信息表征能力。对比实验表明，EHRFuser在各项指标上均优于HRFuser，尤其在AP0.5指标上提升了1.7%，验证了其在目标检测任务中的增强性能。
Keyword:
Millimeter-wave radar
Object detection
Multi-modal fusion
Attention mechanism
Transformer
期刊
I
IF:
0
论文数:
58
被引数:
0
机构
引用论文
Pose estimation and motion analysis of ski jumpers based on ECA-HRNet基于ECA-HRNet的滑雪跳高运动员姿态估计与运动分析.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Deep Learning Derived Object Detection and Tracking Technology Based on Sensor Fusion of Millimeter-Wave Radar/Video and Its Application on Embedded SystemsSENSORSOAAI
SENSORSIF3.5
OAAI分享收藏 没有更多内容
没有更多内容