计算机辅助设计与图形学学报

作者：聂帅杰, 程德强, 寇旗旗, 陈杰, 钱建生

关键词：深度学习, 卷积神经网络, 目标检测, 特征融合, YOLOv4

针对残差块中特征图直接相加无法反映特征间相关性以及特征融合阶段存在信息损失的问题,提出一种融合自适应加权模块的目标检测算法.该算法对YOLOv4的主干网络和颈部网络进行改进,设计了一种自适应加权模块,对输入的2个特征图进行通道压缩并提取特征信息,从提取的信息中获取空间权重,最后将空间权重赋予输入特征图来建立其之间的相关性.在特征融合阶段增加跳跃连接,补充特征融合过程中的信息损失.实验结果表明,该算法能够有效地提高目标的精度,在PASCAL VOC数据集与KITTI数据集上的精度较YOLOv4算法分别提高了0.90个百分点与0.89个百分点.

来源：2023年第11期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2023年第11期