典型文献
融合ReFPN结构与混合注意力的小目标检测算法
文献摘要：
基于深度学习的小目标检测研究对于如小人脸识别、遥感图像检测等任务的优化与提升都具有极为重要的意义.但由于图像中的小目标所占像素较少,分辨率低,包含的特征信息不明显,现有方法对小目标的检测效果并不理想.针对此问题,提出一种基于反馈的特征融合网络ReFPN用于YOLOv4算法,两次利用骨干网络提取的原始特征层,加强小目标特征信息,对其进行更精确的位置回归.同时提出混合注意力机制Co-AM充分提取小目标的细节特征信息,抑制无效特征,进一步提高小目标的检测精度.实验结果表明,此文提出的方法使YOLOv4算法在MS CO-CO数据集上平均精度AP提高了1.9％,小目标平均精度APS提高了3.3％,检测效果优于现有小目标检测算法,证明了此文提出方法的有效性.
文献关键词：
深度学习;小目标检测;特征融合;注意力机制
中图分类号：
作者姓名：
赵一鸣;王金聪;任洪娥;赵龙
作者机构：
东北林业大学 信息与计算机工程学院,哈尔滨150040;东北林业大学 机电工程学院,哈尔滨150040;黑龙江省林业智能装备工程研究中心,哈尔滨150040
文献出处：
引用格式：
[1]赵一鸣;王金聪;任洪娥;赵龙-.融合ReFPN结构与混合注意力的小目标检测算法)[J].哈尔滨理工大学学报,2022(02):85-91
A类：
ReFPN
B类：
小目标检测,目标检测算法,小人,人脸识别,遥感图像检测,优化与提升,像素,特征信息,检测效果,特征融合网络,YOLOv4,骨干网络,小目标特征,位置回归,混合注意力机制,Co,AM,分提,细节特征,抑制无效特征,高小,检测精度,此文,APS
AB值：
0.272161
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。
