-
题名基于注意力改进的自适应空间特征融合目标检测算法
被引量:2
- 1
-
-
作者
逄晨曦
李文辉
-
机构
吉林大学计算机科学与技术学院
-
出处
《吉林大学学报(理学版)》
CAS
北大核心
2023年第3期557-566,共10页
-
基金
吉林省科技发展计划项目(批准号:20190201023JC)
吉林省科技厅重点科技研发项目(批准号:20230201082GX).
-
文摘
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.
-
关键词
目标检测
卷积神经网络
特征金字塔
注意力机制
-
Keywords
object detection
convolutional neural network
feature pyramid
attention mechanism
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-