基于卷积与自注意力聚合的小目标检测

作者：王小铸; 于莲芝

来源：电子科技, 2022, 1-10.

DOI：10.16180/j.cnki.issn1007-7820.2024.02.003

• 小目标
• 目标检测
• YOLOv5s
• 卷积神经网络
• 自注意力
• ACmix
• SIOU Loss
• 残差网络

在大部分目标检测公开数据集中，小目标检测的研究是当下一个热点。针对检测器在多尺寸检测场景下对小目标检测精度不足的问题，文中提出基于YOLOv5s的小目标检测改进模型。模型的具体方法为：在检测器的特征提取网络中加入卷积自注意力聚合残差块（ResAC）提升特征提取能力，同时从浅层网络中引入新的特征图增强小目标的特征信息；改进特征融合网络结构，充分利用新引入的浅层特征；引入SIOU Loss替换原来的GIOU Loss矩形框损失函数，提升检测精度和训练速度。实验结果表明，改进模型在PASCAL VOC的2007和2012数据集上，检测精度比YOLOv5s提高1.2%，小目标检测精度比YOLOv5s提高2.3%；在MS COCO数据集上比YOLOv5s的检测精度提高1%，小目标检测精度比YOLOv5s提高0.9%。

• 单位
  上海理工大学