-
题名并行池化注意力及多特征融合增强目标检测方法
- 1
-
-
作者
程杰
卞长智
张婧
李小霞
丁楠
-
机构
西南科技大学信息工程学院
四川省工业自主可控人工智能工程技术研究中心
四川中烟工业有限责任公司绵阳卷烟厂
-
出处
《现代电子技术》
北大核心
2025年第5期59-67,共9页
-
基金
国家自然科学基金面上项目(62071399)
四川省科技计划重点研发项目(2023YFG0262,2023NSFSC1388)。
-
文摘
针对通道注意力降维时导致细节信息损失和特征融合不充分的问题,提出一种并行池化注意力及多特征融合增强方法。首先,对输入图像使用两种池化模块并行处理,实现特征注意力增强。其中:熵引导池化模块利用通道信息熵生成特征权重系数,加强边缘纹理等细节信息;方向感知池化模块捕获图像在垂直和水平方向上的空间方向信息,再计算通道均值实现逐步降维保留关键特征。其次,多特征融合增强模块利用特征图尺度的对数函数自适应选取卷积核的大小,再将卷积后的特征分组重塑为与输入图像维度相同的通道、高度和宽度方向上的三个特征子图,并进行元素相乘获得增强特征图。最后,增强特征图与输入图像加权融合,同时增强目标的位置和细节信息。实验结果表明,文中方法在参数量不变的情况下,在VOC2007数据集上,mAP@0.5较YOLOX和YOLOv7分别提升4.62%、4.46%,在COCO数据集上,mAP@0.5较YOLOX和YOLOv7分别提升4.57%、4.63%。
-
关键词
通道注意力
降维
并行池化
多特征融合增强
自适应
目标检测
-
Keywords
channel attention
dimensionality reduction
parallel pooling
multi-feature fusion enhancement
self-adaptation
object detection
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
