基于特征融合的自适应多尺度无锚框目标检测算法

作     者：熊磊 王凤随 钱亚萍 Xiong Lei;Wang Fengsui;Qian Yaping

作者机构：安徽工程大学电气工程学院芜湖241000 检测技术与节能装置安徽省重点实验室芜湖241000 高端装备先进感知与智能控制教育部重点实验室芜湖241000 

基　　金：安徽省自然科学基金(2108085MF197,1708085MF154) 安徽高校省级自然科学研究重点项目(KJ2019A0162) 检测技术与节能装置安徽省重点实验室开放基金(DTESD2020B02) 安徽工程大学国家自然科学基金预研项目(Xjky2022040) 安徽高校研究生科学研究项目(YJS20210448,YJS20210449)资助 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2022年第36卷第11期

页      码：236-244页

摘      要：为了提高CenterNet无锚框目标检测网络的目标检测能力,提出一种基于注意力特征融合和多尺度特征提取网络的改进CenterNet目标检测网络。首先,为了提升网络对多尺度目标的表达能力,设计了自适应多尺度特征提取网络,利用空洞卷积对特征图进行重采样获取多尺度特征信息,并在空间维度上进行融合;其次,为了更好地融合语义和尺度不一致的特征,提出了一种基于通道局部注意力的特征融合模块,自适应地学习浅层特征和深层特征之间的融合权重,保留不同感受域的关键特征信息。最后,通过在VOC 2007测试集上对本文算法进行验证,实验结果表明,最终算法的检测精度达到80.94%,相较于基线算法CenterNet提升了3.82%,有效提升了无锚框目标检测算法的最终性能。

主 题 词：目标检测 无锚框 CenterNet 空洞卷积 特征融合 注意力机制 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.13382/j.jemi.B2205591

馆 藏 号：203118265...