科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前目标检测任务中对小目标检测识别率低，漏检率高的问题，提出一种基于门控通道注意力机制（EGCA）和自适应上采样模块的改进YOLOv3算法。该算法采用DarkNet-53作为主干网络进行图片基础特征提取；引入自适应上采样模块对低分辨率卷积特征图进行扩张，有效增强了不同尺度卷积特征图的融合效果；在三个尺度通道输出预测结果之前分别加入EGCA注意力机制以提高网络对小目标的特征表达和检测能力。将改进的算法在公开数据集RSOD(remote sensing object detection)上进行实验，小目标检测精度提升了8.2个百分点，最为显著，平均精度AP值达到56.3%，较原算法提升了7.9个百分点。实验结果表明，改进的算法相比于传统YOLOv3算法和其他算法拥有更好的小目标检测能力。
- 出版日期2022
- 单位成都理工大学
