基于上下文增强和特征融合的目标检测算法

作者：杨海燕; 王凤随^*; 张兴旺

来源：重庆工商大学学报(自然科学版), 2023, 1-8.

• 目标检测
• 空洞卷积
• 上下文特征
• 特征融合
• 注意力机制
• ACON激活函数

【目的】针对CenterNet无锚框目标检测算法表征能力不足的问题，提出一种基于上下文增强和特征融合的学习方法。【方法】该方法采用多感受野和信息融合的思想，构建自适应上下文提取模块和特征融合策略。首先网络通过自适应上下文提取模块的多路径空洞卷积层获取目标的上下文特征，督促深层网络学习多尺度信息；然后，通过ACON-C激活函数在网络中加入非线性因素，对网络神经元自适应地激活，增强网络的数据拟合能力；最后，联合注意力特征融合策略对不同层次的特征信息进行合并，通过整合深层网络的语义信息和浅层网络的位置信息，来捕获对识别任务有用的特征信息，同时学习特征图在多个层次通道间的相关性，以加强网络对关键目标特征的专注度。【结果】所提方法在PASCAL VOC公开数据集上mAP达到83.82%，约比基线算法CenterNet增加了3.72%。相较于经典算法Faster R-CNN、SSD、YOLOv3分别增加了7.4%、9.5%、3.5%。【结论】有效地提升了CenterNet算法的检测性能，并且改进的CenterNet相较于其他目标识别算法具有更高的识别准确度，在目标检测应用中具有良好的实用性，充分验证了所提方法的有效性。

• 单位
  安徽工程大学