基于特征通道建模的目标检测方法

摘要：

针对直接利用多尺度融合特征图进行目标检测时鲁棒性较差的问题,提出一种对图像全局信息进行多维建模的检测方法.采用多阶段的特征复用和特征融合减少特征间相关性损失,设计广度通道建模分支(BCMB)与深度通道建模分支(DCMB)弥补因感受野变化造成的图像空间信息不足,并丰富图像中各个目标间的上下文信息.通过BCMB建立宽高方向的二维通道矩阵,对多层级的感受野进行建模,进而丰富模型对图像的空间感知,完成目标定位.使用DCMB建立深度方向的一维通道向量,提炼图像的全局特征,丰富模型对图像的上下文描述,完成目标分类.将2个分支生成的通道图与输入特征进行加权融合,增强图像通道表达力,使输出的特征对目标的位置和类别信息更敏感.在PASCAL VOC 2007测试数据集上的实验结果表明,该方法的mAP值为85.8％,与未使用通道建模的Baseline方法相比,最高可提升3.2个百分点.

关键词：目标检测、上下文信息、通道建模、卷积神经网络、特征增强

所属期刊栏目：48

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61972225

在线出版日期：2022-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：264-269,299