随机缩放混合与跨尺度特征增强的任务对齐目标检测算法
来源：计算机测量与控制杂志2024年第9期北京时间：
作者：王国刚,李佳琪
单位：山西大学
摘要：针对TOOD算法鲁棒性差、特征金字塔顶层丢失部分语义信息、不同尺度特征层存在语义差距的问题,提出随机缩放混合与跨尺度特征增强的任务对齐目标检测算法；该算法提出2×4混合增强方法,丰富训练样本,提高模型的泛化性和鲁棒性；构造多重残差特征增强模块,自适应融合顶层不同尺度的上下文信息,减少最高层语义信息的损失；构建堆叠金字塔卷积模块,缩小不同尺度特征层之间的语义差距,提升多尺度特征的融合效果；Pascal VOC数据集上的实验结果表明,所提算法的均值平均精度、查准率、查全率分别比TOOD算法提高了3.76%、15.71%、6.28%；而且该算法的F1值与均值平均精度均优于6种主流对比算法。
关键词：目标检测;TOOD;缩放混合;特征增强;金字塔卷积
基金资助：国家自然科学基金(11804209)；山西省自然科学基金(201901D111031, 201901D211173)；山西省高校科技创新计划(2019L0064, 2020L0051)。
