典型文献
注意力与多尺度有效融合的SSD目标检测算法
文献摘要：
针对传统的SSD目标检测算法在进行多尺度目标检测时,存在特征图有效信息弱和困难目标漏检率大等问题,提出一种改进的SSD目标检测算法.首先,在网络特征图输出处引入即插即用的轻量级注意力机制,通过不降维、局部跨通道交互以及核大小自适应选择等操作,在保持网络原始计算量的同时有效突出特征图中关键信息.该模块有利于增强背景信息和目标信息差,可以在有效提升网络性能的同时,不增加网络的复杂性.然后,构造了一种新的特征融合模块,可以将不同尺度的特征图进行有效融合,使浅层特征层既含有丰富的细节信息,又能充分利用上下文语义信息.多尺度融合模块有利于丰富特征图信息,提升网络对困难目标的检测性能.使用公开的PASCAL VOC数据集验证该方法,改进后的网络在PASCAL VOC2007测试集上的检测精度达到了79.6％,比原始SSD算法提升了2.4个百分点,在遮挡目标数据集上提升了4.7个百分点,充分证明改进方法具有一定的时效性和鲁棒性.
文献关键词：
目标检测;深度学习;轻量级注意力机制;多尺度特征融合
中图分类号：
作者姓名：
王燕妮;余丽仙
作者机构：
西安建筑科技大学 信息与控制工程学院,西安 710055
文献出处：
引用格式：
[1]王燕妮;余丽仙-.注意力与多尺度有效融合的SSD目标检测算法)[J].计算机科学与探索,2022(02):438-447
A类：
B类：
有效融合,SSD,目标检测算法,多尺度目标检测,存在特征,特征图,有效信息,漏检率,网络特征,出处,即插即用,轻量级注意力机制,不降,局部跨通道交互,互以,自适应选择,计算量,突出特征,关键信息,背景信息,目标信息,息差,网络性能,特征融合模块,不同尺度,细节信息,上下文语义,语义信息,多尺度融合模块,图信息,检测性能,PASCAL,数据集验证,VOC2007,测试集,检测精度,百分点,遮挡目标,充分证明,改进方法,多尺度特征融合
AB值：
0.407681
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。
