空间感知与多注意力加权融合的无锚目标检测网络
姜天1
樊佳庆2
宋慧慧1
1.南京信息工程大学自动化学院 南京 2100442.南京航空航天大学计算机科学与技术学院 南京 211106
摘要：为解决现有U型目标检测框架空间感知能力有限与特征融合方式粗糙等问题,论文提出了空间感知与多注意力加权融合的无锚目标检测网络.首先,利用低层特征提取模块获取更多表征区域的低层细节信息.接着,利用多级反馈结构的全局残差感知模块对高级语义特征进行多级上下文提取,该操作可显著提高上下文区域的多尺度空间感知能力.最后,利用多注意力迭代融合模块有选择地处理粗糙特征,从而指导低层特征同高层语义特征进行高效特征融合,以帮助网络获得高分辨率的语义特征.同时,在损失中加入泛化交并比(IoU)损失指导网络以更准确和高效的方式预测结果.在标准的MSCOCO 2017和PASCAL VOC 2007两个数据集上进行了充分的实验,结果证实了所提方法的有效性.
关键词：深度学习目标检测Anchor-Free网络多注意力融合加权迭代融合
分类号：TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(61532009)江苏省自然科学基金(BK20191397)
论文发表日期：2024-10-20
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：9( 2941-2948,2990 )
英文信息