一种融合上下文信息及自适应感受野的多尺度目标检测算法OA北大核心CSTPCD

目标检测在实际应用各类复杂场景中面临着诸多的挑战,如目标遮挡、光照变化、目标尺度变化等。为了提高多尺度目标检测的性能,提出一种改进的特征金字塔(FPN)的目标检测算法。以特征金字塔网络框架为基础引入上下文信息融合模块,充分利用目标对象与其周围环境的关联属性,增强宽动态尺度范围的目标对象的特征表征,提高不同尺度目标的辨识能力。此外,构建一个跨通道注意机制,自适应调整不同尺度目标特征的通道灵敏度,学习到适应目标尺度的感受野范围。该算法在Pascal VOC数据集训练验证,其平均精确率(mAP)比基准方法提高了3%。