-
题名基于注意力机制和上下文信息的目标检测算法
被引量：4
- 1
-
-
作者
刘辉
张琳玉
王复港
何如瑾
-
机构
重庆邮电大学通信与信息工程学院
重庆邮电大学数智化通信新技术应用研究中心
-
出处
《计算机应用》
CSCD
北大核心
2023年第5期1557-1564,共8页
-
文摘
针对目标检测过程中存在的小目标漏检问题,提出一种基于注意力机制和多尺度上下文信息的改进YOLOv5目标检测算法。首先,在特征提取结构中加入多尺度空洞可分离卷积模块(MDSCM)以提取多尺度特征信息,在增大感受野的同时避免小目标信息的丢失;其次,在主干网络中添加注意力机制,并在通道信息中嵌入位置感知信息,进一步增强算法的特征表达能力;最后,使用Soft-NMS(Soft-Non-Maximum Suppression)代替YOLOv5使用的非极大值抑制(NMS),降低检测算法的漏检率。实验结果表明,改进算法在PASCAL VOC数据集、DOTA航拍数据集和DIOR光学遥感数据集上的检测精度分别达到了82.80%、71.74%和77.11%,相较于YOLOv5,分别提高了3.70、1.49和2.48个百分点;而且它对图像中小目标的检测效果更好。因此,改进的YOLOv5可以更好地应用到小目标检测场景中。
-
关键词
目标检测
深度可分离卷积
空洞卷积
注意力机制
非极大值抑制
-
Keywords
object detection
depthwise separable convolution
dilated convolution
attention mechanism
Non-Maximum Suppression(NMS)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
