基于分组注意力和高斯多尺度的目标检测方法研究

针对现有目标检测网络在特征提取以及多尺度融合方面存在的局限,将分组卷积与高斯金字塔引入深层神经网络中,设计了一种基于分组注意力机制和高斯多尺度融合的目标检测方法。该方法利用图像灰度化、直方图均衡化丰富输入信息,降低光照影响;构建双阶段特征提取结构,采用深度可分离卷积初步提取目标特征后再利用分组注意力结构提升关键信息权重,进一步提炼目标特征;为充分捕获目标多尺度信息,设计了高斯多尺度结构,将不同维度的特征自适应融合后构建高斯金字塔特征,与对应尺度特征联合实现目标检测。通过在ImageNet、MS COCO、PASCAL VOC三个公开标准数据集上的实验结果表明,所提方法目标信息丰富,有效特征提取以及网络尺度不变性都有较大改善,在复杂场景下也具有较高的鲁棒性和泛化能力。