引入注意力机制的轻量级小目标检测网络

• 作者: 朱威 王立凯 靳作宝 何德峰
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 目标检测 YOLOv4网络 注意力机制 特征融合 网络压缩
• 年，卷（期）: 2022,（8）
• 所属期刊栏目: 信息科学|Information Sciences
• 页码范围: 998-1010
• 页数: 13页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.37188/OPE.20223008.0998

摘要

为了提高在如无人机航拍图像等背景复杂情况下的小目标检测能力,本文在YOLOv4网络的基础上,提出了一种引入注意力机制的轻量级小目标检测网络.首先,在通道注意力机制中加入多尺度融合模块并构造多方法特征提取器,再将所设计的通道注意力模块嵌入到YOLOv4特征提取网络,增强网络对于图像感兴趣区域的关注能力;接着,改进YOLOv4网络结构,增加浅层特征层与深层特征信息融合机制,以获取丰富的分辨率信息;最后,采用通道剪枝和知识蒸馏策略对改进后的网络进行模型优化,在微小精度损失的前提下大幅度减少了模型参数数量.实验结果表明,在无人机航拍数据中,本文提出的轻量级小目标检测网络较原网络的模型大小减少93.6％,推理速度提高52.6％,mAP提升了2.9％;在布匹疵点数据集中,模型大小减少92.1％,推理速度提高49.5％,mAP提升了2.2％,有效改善了复杂背景下的小目标检测效果,同时实现了网络的轻量化.