融合超分辨率重建技术的多尺度目标检测算法

作者：王娟; 刘子杉; 武明虎^*; 陈关海; 郭力权

来源：西安电子科技大学学报, 2023, 50(03): 122-131.

DOI：10.19665/j.issn1001-2400.2023.03.012

• 多尺度目标检测
• 超分辨率技术
• 注意力机制
• 深度学习

目前大多数目标检测算法，由于尺度跨度较大而导致模型整体精确率和召回率不高，容易出现错检、漏检等现象。针对上述问题，提出一种融合超分辨率重建技术的多尺度目标检测算法。首先，算法以单阶段目标检测算法YOLO框架为基础，在颈部网络实现多尺度特征融合时加入超分辨率重建模块，避免进一步丢失较深层特征图中的细节特征。其次，使用通道注意力模块将较浅层特征图中的无关特征进行抑制，重点关注含有目标轮廓特征的通道信息，进一步增强浅层特征的表达能力。最后，在PASCAL VOC 2007和MS COCO 2017公开数据集上进行了消融实验和对比实验。实验结果表明，所提模块对检测性能有不同程度的提升，相比当前其他多尺度目标检测算法，所提算法在大、中、小三种尺度下目标平均精确率分别提升约1.20%、1.20%和1.30%,平均召回率分别提升约4.20%、3.50%和4.20%,算法整体检测性能得到进一步改善。

• 单位
  湖北工业大学