基于分组残差及变换特征维度的目标检测网络

作     者：王改华 曹清程 甘鑫 翟乾宇 

作者机构：湖北工业大学电气与电子工程学院 湖北工业大学太阳能高效利用协同创新中心 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2024年

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家重点研发计划(2017YFB1302400) 

主　　题：目标检测 主干网络 空间注意力机制 损失函数 

摘      要：针对目标检测网络中低效的特征提取和重要特征难以聚焦的问题， 基于分组残差及变换特征维度， 提出一种改进的目标检测网络. 首先引入一个主干网络结构G-ResNet50作为特征提取网络， 以充分利用卷积的通道信息核; 然后提出广域感受野空间注意力机制， 强化重要特征的关注和聚焦能力; 最后比较不同损失函数的回归效果， 并采用最佳的损失函数进一步提高网络检测目标的准确度. 在PASCAL VOC数据集和COCO数据集上的实验结果表明， 在相同的实验环境和设备下， 所提网络分别实现了79.1%的mAP和35.7%的AP值， 同时取得了34.1幅/s的检测速度; 与FCOS， ATSS， PAA等网络对比， 该网络具有更好的目标检测效果.