基于注意力残差网络和混合池化的3D目标检测

来源：电子测量技术杂志2025年第17期北京时间：

作者：王涛，薛庆水，王栋，张旭

单位：上海应用技术大学计算机科学与信息工程学院 上海 201418

摘要：针对3D目标检测任务中行人和骑行者的检测精度较低问题，以Voxel-RCNN为基准算法进行改进，提出了一种基于注意力残差网络和混合池化的3D目标检测算法来提升检测精度。首先，设计了一种融合残差网络和注意力机制的新型2D骨干网络，通过残差网络结构来增强模型对不同目标尺寸的适应性，同时引入注意力机制以聚焦于关键区域，提高特征表示能力；其次，提出了一种新型的 MLP 池化方法，同时设计了一种结合卷积的注意力池化方式，两种池化方法不仅能够有效保留小目标的局部几何细节信息，还能增强全局语义特征表达能力，从而进一步提升对复杂场景中多样性目标的捕捉能力。在公开数据集 KITTI 上的实验结果表明，Pedestrian和Cyclist类别的平均精度(mAP3D)分别达到了54.06%、76.85%，相比较于基准算法提升了3.43%、3.03%。该实验结果证明了所提方法的有效性。

关键词：3D目标检测;注意力残差网络;注意力机制;混合池化;小目标检测

基金资助：国家自然科学基金（61672350，61170227）、教育部基金（39120K178038，14YJA880033）、国家社会科学基金(16BGL003)项目资助