科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前主流、先进的目标检测算法在弱光场景下对目标检测精度较低的问题，分析弱光图像削弱了传统卷积神经网络依赖的局部相关性归纳偏置，引入对全局特征有着出色建模能力的Swin Transformer Stage以实现全局注意，增强特征信息量。将全局注意以并行方式与局部卷积共同抽取弱光图像特征，并提出了一种特征交互结构(Feature Interaction Structure， FIS)，通过精心设计的二次交互方式，能有效解析、利用和结合局部与全局信息。基于FIS堆叠构造交互式并行双流骨干网络FISNet，实现对两类特征的深度融合，并提供对密集预测型任务十分重要的层级特征结构。FISNet在弱光图像数据集ExDark上达到了40.6AP，与EfficientNet等基准模型相比，得到了+0.5～2.9AP的检测精度提升，在弱光目标检测场景中具有良好的应用。
- 单位
