典型文献
判别相关分析双注意力机制的目标检测算法
文献摘要：
针对两阶段目标检测算法中模型存在目标识别率低、部分小目标物漏检等问题,提出了一种基于判别相关分析的双注意力机制的目标检测算法.该算法通过改进Faster R-CNN主干网络,引入判别相关分析技术最大化两个特征集中对应特征的相关关系,同时最大化不同类之间的差异,来保证信息间的交互,有效缓解常规特征融合方式存在的特征提取能力不足问题.同时,结合残差结构构建残差双注意力机制,进行深层次的特征提取,来弥补深度CNN后高分辨率信息弱化问题,采用混合卷积层的设计在扩大感受野的同时又减少了信息损失,最大限度地保证了网络的特征提取性能.采用PASCAL VOC2007、KITTI以及Portrait三类数据集对网络进行训练,并将提出的算法模型与多个经典目标检测算法进行对比.实验结果表明,提出的算法具有较高的检测精度.
文献关键词：
判别相关分析;残差双注意力机制;混合卷积层;目标检测
中图分类号：
作者姓名：
赵珊;郑爱玲
作者机构：
河南理工大学 计算机科学与技术学院,河南 焦作 454003
文献出处：
引用格式：
[1]赵珊;郑爱玲-.判别相关分析双注意力机制的目标检测算法)[J].计算机工程与应用,2022(17):120-129
A类：
判别相关分析,残差双注意力机制,混合卷积层,Portrait
B类：
目标检测算法,两阶段,目标识别,识别率,小目标,漏检,Faster,主干网络,征集,常规特征,特征融合,融合方式,特征提取能力,不足问题,残差结构,感受野,信息损失,PASCAL,VOC2007,KITTI,算法模型,检测精度
AB值：
0.213441
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。
