融合自适应注意力机制的Faster R-CNN目标检测算法

摘要：

针对Faster R-CNN目标检测算法存在的定位和检测精度问题,设计了一种可嵌入Faster R-CNN目标检测算法并进行端到端训练的可移动的注意力(MA)模型.首先,为了获取更加精确的空间位置信息,MA采用两个自适应最大池化分别基于输入特征图的水平和竖直两个方向进行特征聚合,生成两个独立的方向感知特征图;其次,为了防止模型过拟合,使用Sigmoid激活函数增加网络非线性;最后,为了充分利用已经得到的空间位置信息,将具有非线性的两个特征图与输入特征图依次相乘以增强输入特征图的表征能力.实验结果表明:基于MA改进的Faster R-CNN目标检测算法有效地提升了网络对感兴趣目标的定位能力,并且平均检测精度也得到了明显的提升.

关键词：机器视觉、目标检测、Faster R-CNN、注意力机制、卷积神经网络、ResNet-50

所属期刊栏目：59

分类号：TP181(自动化基础理论)

资助基金：安徽省自然科学基金;安徽省自然科学基金;安徽高校省级自然科学研究重点项目;检测技术与节能装置安徽省重点实验室开放基金

在线出版日期：2022-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：381-386