-
题名双支路注意力特征融合的卷积稀疏编码目标检测
- 1
-
-
作者
杨昶楠
张振荣
郑嘉利
曲勃源
-
机构
广西大学计算机与电子信息学院
广西大学广西多媒体通信与网络技术重点实验室
-
出处
《计算机工程与设计》
北大核心
2024年第4期1225-1232,共8页
-
基金
粤桂合作重点基金项目(2021GXNSFDA076001)
广西创新驱动专项基金项目(2020AA24002AA、2020AA21077007)。
-
文摘
针对现有目标检测模型在实际运用中会受到各种噪声的影响而导致性能退化的问题,提出一种双支路注意力特征融合(double branch attention feature fusion,DBAFF)的方法。基于CenterNet的结构设计,引入卷积稀疏编码(convolutional sparse coding,CSC)去噪模块。通过双支路互补学习,自适应选择不同模态的有效信息,使融合特征达到最优化,有效解决该类模型的退化问题。实验结果表明,该方法在噪声数据集VOC-Nosiy上mAP50、mAP75、mAP性能分别达到了57.9%、29.8%、24.5%,检测速度FPS达到111帧,综合性能优于原网络和仅添加卷积稀疏编码的去噪网络。
-
关键词
深度学习
目标检测
双支路
卷积稀疏编码
互补学习
自适应
双支路特征融合
-
Keywords
deep learning
object detection
double branch road
convolutional sparse coding
complementary learning
self-adaption
double branch feature fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
