基于分部特征计算的轻量化非结构目标检测

针对非结构化场景(工地、矿场)缺少特殊目标的通用数据集、复杂特征难以准确提取以及计算复杂度高的问题,构建了一个面向非结构场景的特殊目标检测数据集,并提一种轻量化目标检测模型YOLO-PT,以极低的计算量达到了较高的检测精度。通过构建分部特征计算(partial feature calculation, PFC)模型减少特征冗余信息的计算,并引入了多头自注意力机制来增强复杂特征的提取精度,同时设计多通道金字塔结构对多尺度特征进行渐进式融合,提高复杂对象的识别精度。最后在非结构场景进行实验验证,结果表明,所提出方法仅在4.3×10^(6)的参数量下就达到了53%的准确率,在精度、参数量以及浮点运算量上均优于其他方法。