基于多尺度特征融合和残差注意力机制的目标检测OA北大核心CSCD
Object detection based on multi-scale feature fusion and residual attention mechanism
作为一个多任务的学习过程,目标检测相较于分类网络需要更好的特征.基于多尺度特征对不同尺度的目标进行预测的检测器性能已经大大超过了基于单一尺度特征的检测器.同时,特征金字塔结构被用于构建所有尺度的高级语义特征图,从而进一步提高了检测器的性能.但是,这样的特征图没有充分考虑到上下文信息对语义的补充作用.在SSD基准网络的基础上,采用残差注意力的特征融合方法充分利用上下文信息,提高特征图的表征能力,然后利用残差注意力机制强化关键特征.在基准数据集PAS…查看全部>>
李本高;吴从中;许良凤;詹曙
合肥工业大学计算机与信息学院,安徽合肥231009合肥工业大学计算机与信息学院,安徽合肥231009合肥工业大学计算机与信息学院,安徽合肥231009合肥工业大学计算机与信息学院,安徽合肥231009
信息技术与安全科学
目标检测特征融合注意力机制多尺度特征上下文信息
《计算机工程与科学》 2021 (2)
基于三维人脸实时成像的三维人脸图像识别理论和方法的研究
347-353,7
国家自然科学基金(61371156 )
评论