基于注意力机制改进的轻量级目标检测算法

作者：金梅; 李义辉; 张立国; 马子荐

来源：激光与光电子学进展, 2022, 1-12.

• 目标检测
• 轻量级神经网络
• 注意力机制
• 特征金字塔
• YOLOV4s

针对通用的目标检测算法在检测生活场景下的多类目标时检测精度低、速度较慢的问题，提出了一种基于注意力机制改进的轻量级目标检测算法YOLOv4s。此算法采用CSPDarknet53-s作为主干特征提取网络提取出图像特征，通过注意力模块（Attention block,ATTblock）进行特征选择，再利用特征金字塔网络（Feature Pyramid Network,FPN）对特征进行融合，最后通过YOLOv4s head分别处理特征融合后的两个输出，进而提高对生活场景下多类目标检测的能力。通过实验结果得到，相比改进前的算法，YOLOv4s算法在PASCAL VOC数据集上的平均均值精度（mean Average Precision,m AP）以及MS COCO数据集上的平均精度（Average Precision,AP）分别进行了一定程度的提升，也比Efficientdet轻量级算法在MS COCO数据集上的平均精度有了一定提高，并且实现了有效的显著目标检测。

• 单位
  燕山大学