基于注意力机制和上下文信息的目标检测算法

作者：刘辉; 张琳玉; 王复港; 何如瑾

来源：计算机应用, 2022, 1-9.

• 目标检测
• 深度可分离卷积
• 空洞卷积
• 注意力机制
• 非最大抑制

针对目标检测过程中存在小目标漏检问题，提出一种基于注意力机制和多尺度上下文信息的改进YOLOv5目标检测算法。首先，在特征提取结构中加入多尺度空洞可分离卷积模块(MDSCM)以提取多尺度特征信息，增大感受野的同时避免小目标信息的丢失；其次，在主干网络中添加注意力机制，并在通道信息中嵌入位置感知信息，进一步增强算法的特征表达能力；最后，使用Soft-NMS代替YOLOv5所使用的非极大值抑制(NMS)，降低检测算法的漏检率。实验结果表明，改进算法在PASCAL VOC数据集、DOTA航拍数据集和DIOR光学遥感数据集中检测精度分别达到82.50%、71.90%和77.10%；相较于YOLOv5算法，精度分别提高了3.40个百分点、1.30个百分点和2.47个百分点，并对图像中小目标的检测效果更好。因此，改进的YOLOv5可以更好地应用到小目标检测场景中。

• 单位
  通信与信息工程学院; 重庆邮电大学