基于注意力改进的自适应空间特征融合目标检测算法

针对传统目标检测存在小目标特征提取能力差、识别率低等问题,提出一种基于YOLOv4改进的目标检测算法,采用注意力改进的自适应空间特征融合策略生成金字塔形特征表示,解决了目标检测尺度变化带来的挑战.通过这种新的数据驱动的金字塔特征融合策略,在不影响小目标识别的前提下,提高了中、大目标的精度.其将注意力学习图像特征和提取特征相结合,提高了特征检测的准确性.使用新的损失函数结合自适应空间特征融合策略和指数滑动平均,基于YOLOv4,在数据集MS COCO上多次实验的仿真结果表明,该算法在速度和精度之间取得了最佳折中,对于数据集MS COCO,mAP达到41.5%,AP_(50)达到63.8%,相比于原算法提升了1.1%.改进算法对数据集MS COCO具有较高的鲁棒性,从而有效提高了目标的检测识别率.