典型文献
频域混合注意力模型
文献摘要：
目标检测中的注意力模型以SENet、CBAM为代表,为提高小目标检测的准确率提供了新思路,这些模型在设计时简化了一个问题,即使用全局平均池化或者最大池化作为预处理的方法.FcaNet提出了用离散余弦变化替代均值池化对通道注意力进行预处理的方法,增加了特征多样性,但缺少对特征图空间域方向预处理探讨.为了改善这个问题,提出了从通道和空间域两个方面进行频域预处理的方法.理论上证明了全局平均池化是频域预处理的一种特殊情况,随后对特征图从通道和空间两个方向进行了频域预处理,提出了频域混合注意力模型.该方法在小物体目标检测数据集的实验结果表明:在相近计算量下,平均预测准确率相对SENet、CBAM、FcaNet分别提高了2、1.8、1.4个百分点.
文献关键词：
目标检测;混合注意力模型;频域;小目标
中图分类号：
作者姓名：
王芋人;武德安;朱莉
作者机构：
电子科技大学 数学科学学院,成都 610097
文献出处：
引用格式：
[1]王芋人;武德安;朱莉-.频域混合注意力模型)[J].计算机工程与应用,2022(24):173-179
A类：
混合注意力模型
B类：
频域,SENet,CBAM,高小,小目标检测,全局平均池化,最大池化,FcaNet,余弦,通道注意力,特征多样性,特征图,空间域,处理探讨,行频,上证,特殊情况,检测数据集,计算量,预测准确率,百分点
AB值：
0.282156
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。
