针对现有的仓储货柜环境复杂，货柜物品检测效率低的问题，提出一种特征融合的物品检测算法。该算法在RFBNet网络的基础上通过双线性插值操作将语义信息丰富的深层特征融入到细节信息丰富的浅层特征中，以加深特征间的关联提取出更多的目标特征信息；在特征图后添加注意力机制，让网络调整不同通道中重要特征的权重，提高模型性能。实验结果表明，本文所提的网络模型的mAP值为87.47%,比RFBNet提高了8.42%。
科研之友
微信
新浪微博
Facebook
分享链接
