典型文献
基于特征融合的自适应多尺度无锚框目标检测算法
文献摘要：
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.
文献关键词：
目标检测;无锚框;CenterNet;空洞卷积;特征融合;注意力机制
中图分类号：
作者姓名：
熊磊;王凤随;钱亚萍
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
文献出处：
引用格式：
[1]熊磊;王凤随;钱亚萍-.基于特征融合的自适应多尺度无锚框目标检测算法)[J].电子测量与仪器学报,2022(11):236-244
A类：
B类：
无锚框目标检测,目标检测算法,CenterNet,目标检测网络,检测能力,注意力特征融合,多尺度特征提取,特征提取网络,多尺度目标,表达能力,空洞卷积,特征图,重采样,特征信息,空间维度,合语,局部注意力,特征融合模块,地学,深层特征,融合权重,关键特征,VOC,测试集,检测精度,基线算法,注意力机制
AB值：
0.305511
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
