注意力与多尺度有效融合的SSD目标检测算法

• 作者: 王燕妮 余丽仙
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 目标检测 深度学习 轻量级注意力机制 多尺度特征融合
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 图形图像|Graphics and Image
• 页码范围: 438-447
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2105048

摘要

针对传统的SSD目标检测算法在进行多尺度目标检测时,存在特征图有效信息弱和困难目标漏检率大等问题,提出一种改进的SSD目标检测算法.首先,在网络特征图输出处引入即插即用的轻量级注意力机制,通过不降维、局部跨通道交互以及核大小自适应选择等操作,在保持网络原始计算量的同时有效突出特征图中关键信息.该模块有利于增强背景信息和目标信息差,可以在有效提升网络性能的同时,不增加网络的复杂性.然后,构造了一种新的特征融合模块,可以将不同尺度的特征图进行有效融合,使浅层特征层既含有丰富的细节信息,又能充分利用上下文语义信息.多尺度融合模块有利于丰富特征图信息,提升网络对困难目标的检测性能.使用公开的PASCAL VOC数据集验证该方法,改进后的网络在PASCAL VOC2007测试集上的检测精度达到了79.6％,比原始SSD算法提升了2.4个百分点,在遮挡目标数据集上提升了4.7个百分点,充分证明改进方法具有一定的时效性和鲁棒性.