基于注意力与密集重参数化的目标检测算法 |
| |
引用本文: | 陈志旺,雷春明,吕昌昊,王婷,彭勇.基于注意力与密集重参数化的目标检测算法[J].高技术通讯,2024(3):233-247. |
| |
作者姓名: | 陈志旺 雷春明 吕昌昊 王婷 彭勇 |
| |
作者单位: | 1. 燕山大学智能控制系统与智能装备教育部工程研究中心;2. 燕山大学工业计算机控制工程河北省重点实验室;3. 燕山大学河北省电力电子节能与传动控制重点实验室;4. 燕山大学电气工程学院 |
| |
基金项目: | 国家自然科学基金(61573305);;河北省自然科学基金(F2022203038,F2019203511)资助项目; |
| |
摘 要: | 针对目标检测任务中背景复杂、目标尺寸差异大等因素导致目标检测结果较差的问题,本文提出基于注意力和密集重参数化的目标检测算法。首先,基于CSP-DarkNet提出高效的特征提取网络,主要包括密集重参数化模块和CASA模块2个设计。前者利用密集连接保留浅层特征,又通过重参数化结构降低网络复杂度;后者CASA模块用于获取需要的目标信息。其次,特征融合在特征金字塔(FPN)和路径聚合网络(PAN)的基础上,引入内容感知特征重组(CARAFE)进行上采样,有效解决了邻近插值法等未能捕捉丰富语义信息的问题;提出更高效的C3-G模块,获取丰富的梯度信息,增强模型表达能力和感知能力;同时,引入深度可分离卷积提升运算效率。最后,检测输出采用在更大范围上跨领域正负样本匹配策略扩充正样本数量,提升检测效果。该算法在MS COCO和PASCAL VOC数据集上的m AP@0.5分别达到了57.5%和83.0%,充分说明了本文算法的先进性。
|
关 键 词: | 目标检测 重参数化 注意力机制 特征融合 上采样 正负样本匹配 |
|
|