首页|融合策略优选和双注意力的单阶段目标检测

融合策略优选和双注意力的单阶段目标检测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 特征融合是改善模糊图像、小目标以及受遮挡物体等目标检测困难的有效手段之一,为了更有效地利用特征融合来整合不同网络层次的特征信息,显著表达其中的重要特征,本文提出一种基于融合策略优选和双注意力机制的单阶段目标检测算法FDA-SSD(fusion double attention single shot multibox detector).方法 设计融合策略优化选择方法,结合特征金字塔(feature pyramid network,FPN)来确定最优的多层特征图组合及融合过程,之后连接双注意力模块,通过对各个通道和空间特征的权重再分配,提升模型对通道特征和空间信息的敏感性,最终产生包含丰富语义信息和凸显重要特征的特征图组.结果 本文在公开数据集PASCAL VOC2007(pattern analy-sis,statistical modelling and computational learning visual object classes)和TGRS-HRRSD-Dataset(high resolution remote sensing detection)上进行对比实验,结果表明,在输入为300×300像素的PASCAL VOC2007测试集上,FDA-SSD模型的精度达到79.8％,比SSD(single shot multibox detector)、RSSD(rainbow SSD)、DSSD(de-convolution SSD)、FSSD(feature fusion SSD)模型分别高了2.6％、1.3％、1.2％、1.0％,在Titan X上的检测速度为47帧/s(frame per second,FPS),与SSD算法相当,分别高于RSSD和DSSD模型12 FPS和37.5 FPS.在输入像素为300×300的TGRS-HRRSD-Dataset测试集上的精度为84.2％,在Tesla V100上的检测速度高于SSD模型10％的情况下,准确率提高了1.5％.结论 通过在单阶段目标检测模型中引入融合策略选择和双注意力机制,使得预测的速度和准确率同时得到提升,并且对于小目标、受遮挡以及模糊图像等难目标的检测能力也得到较大提升.
Single stage object detection algorithm based on fusing strategy optimization selection and dual attention mechanism

戴坤、许立波、黄世旸、李鋆铃

展开 >

浙大宁波理工学院计算机与数据工程学院,宁波 315000

单阶段目标检测 SSD算法 特征金字塔(FPN) 特征融合 注意力机制

国家自然科学基金宁波市科技创新2025重大专项宁波市科技创新2025重大专项

618723212019B100362020Z005

2022

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2022.27(8)
  • 4
  • 6