计算机辅助设计与图形学学报

作者：王改华, 曹清程, 甘鑫, 翟乾宇

关键词：目标检测, 主干网络, 空间注意力机制, 损失函数

针对目标检测网络中低效的特征提取和重要特征难以聚焦的问题, 基于分组残差及变换特征维度, 提出一种改进的目标检测网络.首先引入一个主干网络结构G-ResNet50作为特征提取网络, 以充分利用卷积的通道信息核; 然后提出广域感受野空间注意力机制, 强化重要特征的关注和聚焦能力; 最后比较不同损失函数的回归效果, 并采用最佳的损失函数进一步提高网络检测目标的准确度.在PASCAL VOC数据集和COCO数据集上的实验结果表明, 在相同的实验环境和设备下, 所提网络分别实现了79.1%的mAP和35.7%的AP值, 同时取得了34.1幅/s的检测速度; 与FCOS, ATSS, PAA等网络对比, 该网络具有更好的目标检测效果.

来源：2024年第12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2024年第12期