融合特征增强和自注意力的SSD小目标检测算法

摘要：

SSD是一种多尺度目标检测算法,由于浅层特征图缺乏语义信息,导致小目标的检测准确率低.针对这个问题,提出一种融合特征增强和自注意力的SSD小目标检测算法FA-SSD.该算法在SSD基础上构建一条自深向浅的递归反向路径,此路径包含三个模块:深层特征增强模块利用路径深层多尺度特征图生成的上下文信息和最深层特征图的语义信息,增强深层特征信息的表达能力;上采样特征增强模块通过扩大特征图的感受野,增强反向路径中上采样特征图的语义信息;自适应特征融合模块引入自注意力机制自适应地融合相邻的浅层特征图和上采样特征图,生成新的具有强语义和精确位置信息的特征图.实验结果显示,在PASCAL VOC和TT100K数据集上,FA-SSD的mAP最高达到了92.5％和80.2％,表明该检测算法能够增强浅层特征图的语义信息,对于复杂场景下的小目标有着较好的检测效果.

关键词：小目标检测;特征增强;自注意力机制;特征融合;上下文信息

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：山西省回国留学人员科研资助项目2017-051

在线出版日期：2022-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：247-255