基于注意力改进的自适应空间特征融合目标检测算法

来源：吉林大学学报·理学版杂志2023年第3期北京时间：

作者：逄晨曦, 李文辉

单位：吉林大学 计算机科学与技术学院, 长春 130012

摘要：针对传统目标检测存在小目标特征提取能力差、 识别率低等问题, 提出一种基于YOLOv4改进的目标检测算法, 采用注意力改进的自适应空间特征融合策略生成金字塔形特征表示, 解决了目标检测尺度变化带来的挑战. 通过这种新的数据驱动的金字塔特征融合策略, 在不影响小目标识别的前提下, 提高了中、 大目标的精度. 其将注意力学习图像特征和提取特征相结合, 提高了特征检测的准确性. 使用新的损失函数结合自适应空间特征融合策略和指数滑动平均, 基于YOLOv4, 在数据集MS COCO上多次实验的仿真结果表明, 该算法在速度和精度之间取得了最佳折中, 对于数据集MS COCO, mAP达到41.5%, AP50达到63.8%, 相比于原算法提升了1.1%. 改进算法对数据集MS COCO具有较高的鲁棒性, 从而有效提高了目标的检测识别率.

关键词：目标检测,卷积神经网络,特征金字塔,注意力机制