基于注意力机制和多空间金字塔池化的实时目标检测算法

来源：计算机测量与控制杂志2024年第2期北京时间：

作者：王国刚,李泽欣,董志豪

摘要：YOLOv4计算复杂度高、空间金字塔池化模块仅一次增强特征融合网络的深层区域特征图的表征能力、检测头网络的特征图难以突出重要通道特征；针对以上问题，提出一种基于注意力机制和多空间金字塔池化的实时目标检测算法；该算法采用多空间金字塔池化，提取局部特征和全局特征，融合多重感受野，加强特征融合网络的浅、中、深层特征图的表征能力；引入压缩激励通道注意力机制，建模通道间的相关性，自适应调整特征图各个通道的权重，从而使网络更加关注重要特征；特征融合和检测头网络中使用深度可分离卷积，减少了网络参数量；实验结果表明，所提算法的均值平均精度均高于其他七种主流对比算法；与YOLOv4相比，参数量、模型大小分别减少了27.85 M和106.25 MB，所提算法在降低复杂度的同时，提高了检测准确度；且该算法的检测速率达到33.70 帧/秒，满足实时性要求。

关键词：YOLOv4;通道注意力;空间金字塔池化;感受野;深度可分离卷积;实时性

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)