RefineDet网络与注意力机制结合的目标检测算法

荣亮; 高清维; 李笑语; 卢一相; 孙冬

doi:10.13873/J.1000-9787(2021)03-0130-04

Chinese

您当前的位置：

首页 >

文章列表页 >

RefineDet网络与注意力机制结合的目标检测算法

计算与测试 | 更新时间：2025-09-11

- RefineDet网络与注意力机制结合的目标检测算法
- Target detection algorithm combining RefineDet network and attention mechanism
- 传感器与微系统 2021年第3期页码：130-133
- 作者机构：
  
  安徽大学电气工程与自动化学院
- 作者简介：
- 基金信息：
  
  安徽省教育厅自然科学重点资助项目(KJ2018A0012);安徽省自然科学基金资助项目(1608085MF125);国家自然科学基金资助项目(61370110)
- DOI：10.13873/J.1000-9787(2021)03-0130-04
  中图分类号： TP391.41
- 纸质出版：2021
- 稿件说明：
移动端阅览
荣亮, 高清维, 李笑语, 等. RefineDet网络与注意力机制结合的目标检测算法[J]. 传感器与微系统, 2021,(3):130-133.

RONG Liang, GAO Qingwei, LI Xiaoyu, et al. Target detection algorithm combining RefineDet network and attention mechanism[J]. 2021, (3): 130-133.
荣亮, 高清维, 李笑语, 等. RefineDet网络与注意力机制结合的目标检测算法[J]. 传感器与微系统, 2021,(3):130-133. DOI： 10.13873/J.1000-9787(2021)03-0130-04.

RONG Liang, GAO Qingwei, LI Xiaoyu, et al. Target detection algorithm combining RefineDet network and attention mechanism[J]. 2021, (3): 130-133. DOI： 10.13873/J.1000-9787(2021)03-0130-04.

摘要

针对单框架算法在目标检测中对小目标检测精度较差的缺点

以Refine Det网络为基础

提出了一种二次定位的检测模型。在融合各层特征的同时加入了注意力机制

从而增强对目标的检测能力。框架通过由粗到细的定位方法

在速度上保持了单框架的优势并且在检测精度上得到了明显提高

对遮挡和小型目标较多的图像依然能获得高品质的检测框。

Abstract

Aiming at the shortcomings of low detecting precision of small target single-frame algorithm in target detecting

based on Refine Det network

a quadratic positioning detection model is proposed

which fuses the attention mechanism while enhancing the characteristics of each layer

so as to enhance ability to detect targets.The frame maintains the advantages of single frame in speed by coarse-to-fine positioning method and has a significant improvement in detection precision

and still obtains high-quality detection frame for images with more occlusion and small targets.

关键词

Keywords

references

浏览量

234

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于迁移学习与改进ResNet的避雷器分割算法

基于脑电信号和深度学习的疲劳驾驶检测方法

基于惯性传感的偏瘫步态相位识别研究

基于无人机图像传感器的公路小目标检测

面向透明液体液位测量的立体匹配算法研究