融合自适应注意力机制的Faster R-CNN目标检测算法

针对Faster R-CNN目标检测算法存在的定位和检测精度问题，设计了一种可嵌入Faster R-CNN目标检测算法并进行端到端训练的可移动的注意力（MA）模型。首先，为了获取更加精确的空间位置信息，MA采用两个自适应最大池化分别基于输入特征图的水平和竖直两个方向进行特征聚合，生成两个独立的方向感知特征图；其次，为了防止模型过拟合，使用Sigmoid激活函数增加网络非线性；最后，为了充分利用已经得到的空间位置信息，将具有非线性的两个特征图与输入特征图依次相乘以增强输入特征图的表征能力。实验结果表明：基于MA改进的Faster R-CNN目标检测算法有效地提升了网络对感兴趣目标的定位能力，并且平均检测精度也得到了明显的提升。