摘要
现阶段轻量级的目标检测网络大多是基于网络结构进行改进,这种网络难以很好提取图像中特征的全局上下文信息,网络提取特征的能力不够好。同时,网络的感受野大多不高,这导致网络的检测性能难以提升。为了解决这个问题,论文提出了一种轻量级的改进目标检测网络,将Spilt-attention注意力机制引入到轻量级目标检测网络中,提升了网络提取上下文信息的能力的同时也能够变相的增大网络的感受野,这有效的提升网络检测能力。同时论文修改了网络分支部分的卷积结构,加深了网络特征提取的深度,有效的提升网络对于小目标的检测效果。论文在COCO数据集中训练并测试改进网络的检测性能。实验结果表明,改进网络在COCO数据集中AP50的值能够达到42.2,在一块2080Ti中的检测速度可以达到每秒166帧。与现阶段工业常用的轻量级目标检测算法相比,论文改进网络在速度上和精度上有着一定的优势。
