融合注意力机制的深层次小目标检测算法OA北大核心CSTPCD
Deep Small Object Detection Algorithm Integrating Attention Mechanism
骨干网络特征提取不充分以及浅层卷积层缺乏语义信息等往往导致了对于小目标检测的效果不佳,为提高小目标检测的精确性与鲁棒性,提出一种融合注意力机制的深层次小目标检测算法.首先,针对骨干网络特征提取能力不足的问题,选用Darknet-53作为特征提取网络,通过构建新的分组残差连接来替换原Darknet-53中的残差连接结构,形成新的I-Darknet53骨干增强网络,该分组残差结构可通过交织不同通道的特征信息有效提高输出的感受野大小.其次,在多尺度检测…查看全部>>
赵鹏飞;谢林柏;彭力
物联网技术应用教育部工程研究中心(江南大学 物联网工程学院),江苏 无锡 214122物联网技术应用教育部工程研究中心(江南大学 物联网工程学院),江苏 无锡 214122物联网技术应用教育部工程研究中心(江南大学 物联网工程学院),江苏 无锡 214122
信息技术与安全科学
小目标检测特征提取特征融合注意力机制
《计算机科学与探索》 2022 (4)
分布式传感网高效信息融合安全一致性研究
927-937,11
国家自然科学基金(61873112)国家重点研发计划(2018YFD0400902).
评论