基于Transformer的多尺度物体检测

摘要：

目前,Transformer基本模型对同一场景内不同尺寸物体的检测能力不足,其主要原因为各层等尺度的输入嵌入无法提取跨尺度特征,导致网络不具备在不同尺度的特征之间建立交互的能力.基于此,提出一种基于Transformer的多尺度物体检测网络,该网络采用跨尺度嵌入层初步对图像特征进行嵌入处理;利用多分支空洞卷积对输入进行下采样,通过调整并行分支的膨胀率使该结构具有多样的感受野;然后,由残差自注意力模块对输出嵌入结果进行处理,为特征图的局部和全局信息构建联系,使注意力计算融入有效的多尺度语义信息,最终实现多尺度物体检测.模型在COCO等数据集上进行训练,实验结果表明该方法与其他物体检测方法相比具有显著优势.

关键词：物体检测、多尺度、Transformer、注意力机制、空洞卷积

所属期刊栏目：37

分类号：TP391.4(计算技术、计算机技术)

资助基金：山西省研究生创新资助项目;山西省高等学校教学改革创新资助项目

在线出版日期：2023-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：342-347