基于注意力机制的多尺度全场景监控目标检测方法

作者：张德祥^*; 王俊; 袁培成

来源：电子与信息学报, 2022, 44(09): 3249-3257.

• 目标检测
• 全场景监控
• 多尺度检测
• 注意力机制

针对复杂城市监控场景中由于目标尺寸变化大、目标遮挡、天气影响等原因导致目标特征不明显的问题，该文提出一种基于注意力机制的多尺度全场景监控目标检测方法。该文设计了一种基于Yolov5s模型的多尺度检测网络结构，以提高网络对目标尺寸变化的适应性。同时，构建了基于注意力机制的特征提取模块，通过网络学习获得特征的通道级别权重，增强了目标特征，抑制了背景特征，提高了特征的网络提取能力。通过K-means聚类算法计算全场景监控数据集的初始锚框大小，加速模型收敛同时提升检测精度。在COCO数据集上，与基本网络相比，平均精度均值(mAP)提高了3.7%,mAP50提升了4.7%，模型推理时间仅为3.8 ms。在整个场景监控数据集中，mAP50达到89.6%，处理监控视频时为154 fps，满足监控现场的实时检测要求。

• 单位
  自动化学院; 安徽大学; 安徽三联学院