基于无锚框目标检测算法的多样性感受野注意力特征补偿

摘要：

作为目标检测的研究热点之一,无锚框算法摒弃大量预定义框的设置而采取逐像素的方式进行预测.即便如此,它仍不能够很好地处理重叠目标.此外,该算法获取图像的全局信息能力较弱且易出现感受野不匹配.因此,提出2种改进方法:多样性感受野注意力机制和全局信息指导特征融合.PAS-CAL VOC和MS COCO数据集上广泛的实验证实了改进方法的有效性.与基线FCOS相比,本文方法的检测精度在PASCAL VOC上提升了1.4％,在MS COCO上的精确度为42.8％,检测性能明显优于许多先进算法.

关键词：无锚框、多样性感受野、注意力机制、特征融合、目标检测

所属期刊栏目：44

分类号：TP391.9(计算技术、计算机技术)

资助基金：安徽省重点研究与开发计划项目201904d07020018

在线出版日期：2022-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1995-2002