基于多粒度的Transformer目标检测算法

摘要：

与其他尺度目标不同,小目标具有携带语义信息和训练样本数量较少等特点.因此,当前目标检测算法存在小目标检测精度较低的问题.针对该问题,提出了基于多粒度的Transformer目标检测算法.首先,采用多粒度思想,设计了一种新的Transformer序列化方法,从粗到细逐个粒度地预测目标位置,从而提升模型的目标定位效果.然后,基于三支决策思想,细粒度挖掘小目标样本和常规尺度目标样本,从而增加小目标样本和难例负样本数量.最后,实验结果表明,在COCO数据集上,该算法的小目标检测精度(APs)达到了31.5％,平均检测精度(mAP)达到了49.1％;相比基线模型,APs提升了1.4％,mAP提升了2.2％;改进后的算法有效地提升了小目标检测效果,并显著提高了目标检测的整体精度.

关键词：小目标检测、多粒度、三支决策、Transformer、深度学习

所属期刊栏目：50

分类号：TP389.1(计算技术、计算机技术)

在线出版日期：2023-11-17（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：143-150