10.19665/j.issn1001-2400.2023.03.012
融合超分辨率重建技术的多尺度目标检测算法
目前大多数目标检测算法,由于尺度跨度较大而导致模型整体精确率和召回率不高,容易出现错检、漏检等现象.针对上述问题,提出一种融合超分辨率重建技术的多尺度目标检测算法.首先,算法以单阶段目标检测算法 YOLO框架为基础,在颈部网络实现多尺度特征融合时加入超分辨率重建模块,避免进一步丢失较深层特征图中的细节特征.其次,使用通道注意力模块将较浅层特征图中的无关特征进行抑制,重点关注含有目标轮廓特征的通道信息,进一步增强浅层特征的表达能力.最后,在 PASCAL VOC 2007 和 MS COCO 2017 公开数据集上进行了消融实验和对比实验.实验结果表明,所提模块对检测性能有不同程度的提升,相比当前其他多尺度目标检测算法,所提算法在大、中、小三种尺度下目标平均精确率分别提升约 1.20％、1.20％和 1.30％,平均召回率分别提升约 4.20％、3.50％和 4.20％,算法整体检测性能得到进一步改善.
多尺度目标检测、超分辨率技术、注意力机制、深度学习
50
TP183(自动化基础理论)
国家自然科学基金;湖北省中央引导地方科技发展专项;湖北省重点研发计划;湖北工业大学自主探索计划
2023-07-10（万方平台首次上网日期，不代表论文的发表时间）
共10页
122-131
