典型文献
引入注意力机制的轻量级小目标检测网络
文献摘要：
为了提高在如无人机航拍图像等背景复杂情况下的小目标检测能力,本文在YOLOv4网络的基础上,提出了一种引入注意力机制的轻量级小目标检测网络.首先,在通道注意力机制中加入多尺度融合模块并构造多方法特征提取器,再将所设计的通道注意力模块嵌入到YOLOv4特征提取网络,增强网络对于图像感兴趣区域的关注能力;接着,改进YOLOv4网络结构,增加浅层特征层与深层特征信息融合机制,以获取丰富的分辨率信息;最后,采用通道剪枝和知识蒸馏策略对改进后的网络进行模型优化,在微小精度损失的前提下大幅度减少了模型参数数量.实验结果表明,在无人机航拍数据中,本文提出的轻量级小目标检测网络较原网络的模型大小减少93.6％,推理速度提高52.6％,mAP提升了2.9％;在布匹疵点数据集中,模型大小减少92.1％,推理速度提高49.5％,mAP提升了2.2％,有效改善了复杂背景下的小目标检测效果,同时实现了网络的轻量化.
文献关键词：
目标检测;YOLOv4网络;注意力机制;特征融合;网络压缩
中图分类号：
作者姓名：
朱威;王立凯;靳作宝;何德峰
作者机构：
浙江工业大学信息工程学院,浙江杭州310023
文献出处：
引用格式：
[1]朱威;王立凯;靳作宝;何德峰-.引入注意力机制的轻量级小目标检测网络)[J].光学精密工程,2022(08):998-1010
A类：
B类：
轻量级,小目标检测,目标检测网络,如无,无人机航拍图像,复杂情况,检测能力,YOLOv4,通道注意力机制,多尺度融合模块,多方法,法特,通道注意力模块,特征提取网络,感兴趣区域,深层特征,特征信息融合,融合机制,通道剪枝,知识蒸馏,模型优化,精度损失,数数,航拍数据,推理速度,mAP,布匹,疵点,复杂背景,检测效果,特征融合,网络压缩
AB值：
0.314738
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
