融合平移依赖性与双维度的小目标检测网络

来源：计算机工程与应用杂志2025年第13期北京时间：

作者：于龙昆, 王子昊, 沈红, 占强波

单位：1.南昌大学 信息工程学院，南昌 330047；2.南昌大学 先进制造学院，南昌 330047

摘要：针对目标检测任务中小目标尺寸小、密集度高和排布复杂，易出现漏检错检的问题，提出一种融合平移依赖性与双维度的混合注意力机制算法。旨在保证模型轻量化同时提高小目标特征提取的完整性，以及对特征处理的针对性。设计位置信息自适应模块CIM（coordinate information module），为特征图添加坐标编码，完善目标的位置信息。设计了自适应批归一化模块BNM（batch normalization attention module）及优化-激励模块OEM（optimization-excitation module），对输入数据内部以及彼此之间的特征进行更具针对性的权重分配，帮助模型在处理复杂任务时集中注意力于最相关的信息。最后设计了以一条主分支两条次分支的结构，将三个模块结合成为融合平移依赖性与双维度的混合注意力算法TDHA（translation and dual-dimensional hybrid attention）。该算法可以兼容任意目标检测网络，具备通用性。为验证算法性能，在无人机数据集VisDrone2021上进行了实验，实验结果表明，加入该算法后较基线模型mAP0.5精确度提高1.6个百分点，mAP0.5：0.95提高1个百分点；较YOLOv8精确度mAP0.5提高了1.4个百分点。

关键词：小目标检测,平移依赖性,注意力机制,轻量化