基于动态自适应通道注意力特征融合的小目标检测

摘要

针对小目标检测中卷积操作导致检测特征缺失和不同尺度语义隔阂的问题，提出一种基于动态自适应通道注意力特征融合的小目标检测方法。1)提出一种多尺度三角动态颈（Tri-Neck）网络结构，用于融合多尺度特征语义隔阂及弥补小目标特征缺失的问题。2)提出一种分组批量动态自适应通道注意力模块，增强弱语义小目标特征同时抑制无用信息，且在动态自适应通道注意力模块中设计新的激活函数和交并比损失函数，提升通道注意力表征能力。3)采用ResNet50作为骨干网络依次连接特征金字塔网络和Tri-Neck网络。实验结果表明，该方法在Pascal Voc 2007、Pascal Voc 2012上比YOLOv8算法mAP分别提升5.3%和6.2%，在MS COCO 2017数据集上AP和AP_S分别提升1.6%和2%，在SODA-D数据集上比YOLOv8算法AP提升0.9%。

关键词

小目标检测 / 多尺度融合特征 / 特征金字塔 / 动态通道注意力 / 交并比损失函数