Attention-YOLO:引入注意力机制的YOLO检测算法

摘要：

实时目标检测算法YOLOv3的检测速度较快且精度良好,但存在边界框定位不够精确、难以区分重叠物体等不足.提出了Attention-YOLO算法,该算法借鉴了基于项的注意力机制,将通道注意力及空间注意力机制加入特征提取网络之中,使用经过筛选加权的特征向量来替换原有的特征向量进行残差融合,同时添加二阶项来减少融合过程中的信息损失并加速模型收敛.通过在COCO和PASCAL VOC数据集上的实验表明,该算法有效降低了边界框的定位误差并提升了检测精度.相比YOLOv3算法在COCO测试集上的mAP@IoU[0.5:0.95]提升了最高2.5 mAP,在PASCAL VOC 2007测试集上达到了最高81.9 mAP.

关键词：目标检测、YOLOv3算法、Attention-YOLO算法、通道注意力机制、空间注意力机制

所属期刊栏目：55

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;上海海事大学研究生创新基金

在线出版日期：2020-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：13-23