ACDet：强化自我注意力机制的药品包装轮廓检测方法

摘要

提出了一种基于卷积神经网络的物品矢量检测识别方法：ACDet(self-attention and concatenation based detector)，旨在解决照度变化下密集无序药品包装轮廓的高效检测问题。该方法采用组合图像增强技术提升模型学习物品外观特征的能力，对计算模块C2F-A(C2F with attention)采用多条梯度流输出来进行多维度的强化自我注意力增强，包括特征维度和空间维度。设计的WConcat(weighted concatenation)模块可以对不同层次的特征图进行加权拼接并捕捉更关键的特征图，从而使网络具备更好的认知能力。在医药案例数据集（cancer pathological and pharmaceutical dataset, CPPD）实验中实现了81.0%的mAP(mean average precision),79.5%的Smoot hmAP，平均领先其他YOLO(you only look once)架构的模型5.5%～16.6%，在公开数据集平均领先0.7%～6.9%。同时，零样本测试中复核成功率达到99.9%。研究结果显示，ACDet能克服复杂检测场景难题，实现网络鲁棒性提升及轻量化，为工业智能化生产提供了技术支持。

关键词

YOLO / 药品包装轮廓 / 动态照度 / 视觉检测