FAILED
首站-论文投稿智能助手
典型文献
注意力机制与多层特征融合策略的安检图像目标检测方法
文献摘要:
YOLOv5(You only look once,v5)具有检测速度快、精度高的优点,被广泛应用于实时目标检测中.针对X光安检图像背景复杂、物体多尺度、相互重叠导致的错检、漏检问题,在YOLOv5s网络结构的基础上,通过改进注意力机制开发了新的特征融合策略,并提出了一种具有自适应特征融合策略与注意力机制的目标检测YOLOv5s-AFA网络.该网络在浅层引入扩大感受野模块与改进的空间注意力机制,在深层引入改进的通道注意力机制.新的特征融合策略可每次输出三个不同深度的特征图,通过自适应学习权重融合浅层空间信息与深层语义信息,使网络的学习更具针对性.在X光安检图像数据集上的目标检测结果表明,相比其他对比网络,YOLOv5s-AFA网络的错检率和漏检率有明显降低.
文献关键词:
图像处理;深度学习;目标检测;X光安检图像;注意力模块;特征融合
作者姓名:
张弘;张思聪
作者机构:
西安邮电大学自动化学院,陕西 西安710100
引用格式:
[1]张弘;张思聪-.注意力机制与多层特征融合策略的安检图像目标检测方法)[J].激光与光电子学进展,2022(16):187-198
A类:
B类:
多层特征融合,融合策略,安检图像,图像目标检测,目标检测方法,You,only,look,once,检测速度,实时目标检测,YOLOv5s,改进注意力机制,自适应特征融合,AFA,感受野模块,空间注意力机制,通道注意力机制,不同深度,特征图,自适应学习,学习权重,权重融合,层空间,空间信息,深层语义信息,图像数据集,错检率,漏检率,注意力模块
AB值:
0.378978
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。