自适应上下文特征的多尺度目标检测算法

• 作者: 王凤随 陈金刚 王启胜 刘芙蓉
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 机器视觉 目标检测 卷积神经网络 通道注意力 并行空洞卷积 多尺度特征融合 上下文特征 深度学习
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 机器学习|Machine Learning
• 页码范围: 276-285
• 页数: 10页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11992/tis.202101029

摘要

识别多尺度目标是检测任务中的一项挑战,针对检测中的多尺度问题,提出自适应上下文特征的多尺度目标检测算法.针对不同尺度的目标需要不同大小感受野特征进行识别的问题,构建了一种多感受野特征提取网络,通过多分支并行空洞卷积,从高层语义特征中挖掘标签中的上下文信息;针对不同尺度目标的语义特征出现在不同分辨率特征图中的问题,基于改进的通道注意力机制,提出自适应的特征融合网络,通过学习不同分辨率特征图之间的相关性,在全局语义特征中融合局部位置特征;利用不同尺度的特征图识别不同尺度的物体.在PASCAL VOC数据集上对本文算法进行验证,本文方法的检测精度达到了85.74％,相较于Faster R-CNN检测精度提升约8.7％,相较于基线检测算法YOLOv3+提升约2.06％.