Attention-Like YOLO:嵌入类注意力机制的YOLO算法
胡朝海
李自胜
王露明
西南科技大学制造科学与工程学院 绵阳 621000;制造过程测试技术教育部重点实验室 绵阳 621010
摘要：YOLOv3算法满足了大多数任务的实时性和检测精度要求,但对于精度要求更高(大于80%)的任务,未能实现较好的检测效果.针对上述问题,论文提出了一种类注意力机制(Attention-Like).该机制输入两个分辨率大小不同的特征图,首先利用Padding对小特征图进行上采样,采样后的特征图通过Sigmoid函数运算得到上采样权值,其次将上采样权值作用于大特征图以获得过渡特征图,利用卷积对过渡特征图进行下采样,然后通过Sigmoid函数运算得到下采样权值,最后将下采样权值作用于小特征图,通过该方法增强小特征图的几何信息.将Attention-Like嵌入YOLOv3的骨干网络Dark-Net-53,实现了Attention-Like YOLO检测算法.实验表明,该算法的平均精确度均值最高达到了82.8%,有效提升了检测精度.
关键词：目标检测YOLOv3算法类注意力机制AL-YOLODarkNet-53
分类号：TP391(计算技术、计算机技术)
论文发表日期：2023-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1973-1978 )
英文信息