

软件工程与应用|基于RFB模块与注意力机制的目标检测算法

汉斯出版社

2023-11-20

导读：关注汉斯出版社公众号联系小编即可投稿，还可获取最新论文模板！

导读：

针对目标检测算法中深度卷积网络提取特征图关联性不足导致的检测精度下降问题，提出一种基于群体感受野模块(Receptive Field Block, RFB)与坐标注意力(Coordinate Attention, CA)的改进SSD目标检测算法。使用深层特征提取网络ResNet50作为主干网络，并在卷积层结构中添加坐标注意力模块，捕获方向和位置感知的信息；为充分利用不同特征图之间的关联信息，在特征提取与预测中采用反卷积与上采样等方式，融合低层位置特征和高层语义信息。同时在网络结构中引入多尺度卷积核与空洞卷积的RFB模块，以提高感受野的方式提高网络的特征提取能力。实验表明：该算法在PASCAL VOC 2007数据集上的mAP为78.08%，相较于传统的SSD算法检测能力得到了显著提升。

基本信息：

基于RFB模块与注意力机制的目标检测算法

Object Detection Algorithm Based on RFB Module and Attention Mechanism

作者：

王志青：南京邮电大学计算机学院，江苏南京

关键词:

目标检测；单阶多层检测器；RFB模块；坐标注意力

项目基金：

国家自然科学基金(61872190)

江苏省博士后科研资助计划项目(2020Z058)

原文链接：

https://doi.org/10.12677/SEA.2023.125067

内容简介：

在汉斯出版社《软件工程与应用》期刊上，有论文基于传统SSD算法的不足，设计了一种基于群体感受野模块与坐标注意力机制的改进SSD目标检测算法。

基于群体感受野模块与坐标注意力的改进SSD目标检测算法结构如图1所示。网络架构设计遵循的主要原则是在主干网络中降低特征信息损失，采用ResNet50网络作为特征提取的骨干网络，其残差连接方式可以有效的抑制神经网络因深度增加而带来的梯度衰减问题，提高模型对图像特征的表达能力。

在主干网络提取出来的(38, 38)、(19, 19)和(10, 10)特征层后，考虑通道之间远程依赖关系，经过坐标注意力模块进行编码。为增强信息表达能力，将深层特征层与浅层特征层进行有效信息融合，(19, 19)和(10, 10)尺寸特征层采用线性插值方式将其放大到(38, 38)尺寸，并进行Concat方式融合。同时为改善网络的梯度，防止梯度爆炸，实现归一化，采用BN层处理。在生成预测特征层上，采用反卷积方式再次进行特征融合，并为增加感受野，获得更大的上下文信息，添加了RFB模块。从可以得出，低层特征层分辨率较高，包含更多图像细节。

本文设计了一种基于群体感受野模块与坐标注意力机制的改进SSD目标检测算法，采用ResNet50网络作为特征提取的骨干网络，并引入轻量级坐标注意力机制，能够同时考虑通道间关系以及长距离的位置信息，利于模型更准确定位目标信息，增强识别能力，且坐标注意力模块轻量灵活仅带来少量的计算消耗。在特征提取阶段通道拼接融合不同深度卷积层输出，丰富预测特征图上下文信息，同时在预测过程中加入RFB模块，通过不同尺寸卷积核的多分支结构和空洞卷积来提高感受野，增强特征提取能力。通过实验验证，叠加各个模块后，算法的检测精确度均有提升。实验表明，改进后目标检测算法在PASCAL VOC数据集上各类别的检测准确率较传统SSD算法有着显著提高，mAP比传统SSD算法提升了1.91%。

1.吴毅良, 陆庭辉, 刘翠媚, 郭凤婵, 罗序良. 基于CBAM注意力机制的YOLOv5目标检测算法在电力业务证件识别上的应用[J]. 计算机科学与应用, 2023, 13(7): 1352-1362.

https://doi.org/10.12677/CSA.2023.137133

2.王宪伟, 洪智勇, 余文华, 王惠吾, 吴卓霖. 基于注意力机制的自然场景文本检测算法[J]. 计算机科学与应用, 2022, 12(11): 2608-2618.

https://doi.org/10.12677/CSA.2022.1211265

3.汤海冰, 蒋新发, 杨影. 基于全局注意力机制的图像检索算法研究[J]. 传感器技术与应用, 2023, 11(6): 505-509.

https://doi.org/10.12677/JSTA.2023.116057

4.黄期峰, 李洲. 基于注意力机制和多尺度特征融合的卷纸包装缺陷检测算法[J]. 计算机科学与应用, 2023, 13(9): 1773-1784.

https://doi.org/10.12677/CSA.2023.139176

5.崔建东, 崔岩. 一种基于多维度自注意力机制的轻量级车道线检测算法[J]. 计算机科学与应用, 2022, 12(1): 108-113.

https://doi.org/10.12677/CSA.2022.121012

所属期刊

-Software Engineering and Applications-

《软件工程与应用》是一本开放获取、关注计算机软件领域最新进展的国际中文期刊，主要刊登软件架构、软件设计方法、软件领域建模、编程语言和软件工程、计算机网络、信息与通信安全等领域的文章，本刊支持思想创新、学术创新，倡导科学，繁荣学术，集学术性、思想性为一体，旨在为世界范围内的科学家、学者、科研人员提供一个传播、分享和讨论计算机软件领域内不同方向问题与发展的交流平台。