基于改进特征金字塔的目标检测

来源：电子测量技术杂志2021年第20期北京时间：

作者：史晨晨，张长伦，何强，王恒友

单位：1.北京建筑大学 理学院，北京市 100044; 2.北京建筑大学 北京未来城市设计高精尖创新中心，北京市 100044

摘要：特征金字塔网络(feature pyramid network，FPN)已经成为目标检测中提取多尺度特征的有效框架。然而，FPN存在着由于通道减少导致语义信息丢失、高层特征只包含单尺度的上下文信息和具有语义差别的不同层特征直接融合造成混叠效应等问题。针对上述问题，本文提出了基于注意力增强指导的特征金字塔网络。该模型由通道特征增强模块、上下文增强模块和注意力指导特征融合模块三个部分组成。具体来说，通道特征增强模块通过建模特征之间的依赖关系减轻由于通道减少造成的信息损失，上下文增强模块利用不同级别特征进行上下文信息提取以增强高层特征，注意力指导特征融合模块利用注意力机制指导相邻层特征学习来增进彼此语义信息的一致性。将Faster R-CNN和Mask R-CNN目标检测器中的FPN替换为本文模型并在不同的数据集上进行实验，实验结果表明，改进后的Faster R-CNN检测器在PASCAL VOC和MS COCO数据集上的平均精度分别提高1.5%和1%，改进后的Mask R-CNN检测器在MS COCO数据集上也分别将Mask AP和Box AP的性能提升了0.8%和1.1%。

关键词：特征金字塔;目标检测;注意力;特征增强;特征融合

基金资助：国家自然科学基金（No. 62072024）、北京建筑大学北京未来城市设计高精尖创新中心资助项目(UDC2017033322，UDC2019033324)、北京建筑大学市属高校基本科研业务费专项资金（NO.?X20084，ZF17061）资助