基于双分支特征融合的无锚框目标检测算法

作者：侯志强; 郭浩^*; 马素刚; 程环环; 白玉; 范九伦

来源：电子与信息学报, 2022, 44(06): 2175-2183.

• 目标检测
• 多特征融合
• 注意力机制
• CenterNet

针对无锚框目标检测算法CenterNet中，目标特征利用程度不高、检测结果不够准确的问题，该文提出一种双分支特征融合的改进算法。在算法中，一个分支包含了特征金字塔增强模块和特征融合模块，以对主干网络输出的多层特征进行融合处理。同时，为利用更多的高级语义信息，在另一个分支中仅对主干网络的最后一层特征进行上采样。其次，对主干网络添加了基于频率的通道注意力机制，以增强特征提取能力。最后，采用拼接和卷积操作对两个分支的特征进行融合。实验结果表明，在公开数据集PASCAL VOC上的检测精度为82.3%，比CenterNet算法提高了3.6%，在KITTI数据集上精度领先其6%，检测速度均满足实时性要求。该文提出的双分支特征融合方法将不同层的特征进行处理，更好地利用浅层特征中的空间信息和深层特征中的语义信息，提升了算法的检测性能。

• 单位
  西安邮电大学