基于DSGIoU损失与双分支坐标注意力的目标检测算法

作者：马素刚^*; 李宁博; 侯志强; 余旺盛; 杨小宝

来源：北京航空航天大学学报, 2023, 1-14.

DOI：10.13700/j.bh.1001-5965.2023.0192

• 目标检测
• 损失函数
• 边界框回归
• 坐标注意力
• YOLOX

针对YOLOX算法中边界框回归损失效果有限和多尺度特征表示能力不足，导致检测结果不准确的问题，提出一种基于DSGIoU损失与双分支坐标注意力的目标检测算法。在交并比损失项的基础上，通过添加真实框与预测框之间的非重叠面积、中心点距离以及宽高比三个惩罚项，优化边界框的回归收敛效果；通过平均池化和最大池化沿着两个方向对特征进行编码，获取方向感知信息和位置信息，从而对特征进行增强。为验证所提算法的检测性能，分别以网络大小为Tiny、S、M的YOLOX为基准，在PASCAL VOC和KITTI数据集上进行测试。实验结果表明：所提算法在PASCAL VOC数据集上检测精度分别达到80.0%、82.6%和85.8%，相比基准算法YOLOX提升了1.5%、1.6%和2.0%。在KITTI数据集上检测精度分别达到87.7%、89.7%和90.7%，提升了1.7%、2.9%和1.3%。所提算法能够优化网络收敛性，提高多尺度特征的表示能力，有效提高检测精度。

• 单位
  空军工程大学信息与导航学院; 西安邮电大学