判别相关分析双注意力机制的目标检测算法

作     者：赵珊 郑爱玲 ZHAO Shan;ZHENG Ailing

作者机构：河南理工大学计算机科学与技术学院河南焦作454003 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2022年第58卷第17期

页      面：120-129页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(50804013) 南京邮电大学江苏省图像处理与图像通信重点实验室开放基金(ZK208002) 河南省教育厅自然科学基础研究基金(2008B520015,2009B520013) 河南理工大学博士基金(B2008-61,B2009-91) 

主　　题：判别相关分析 残差双注意力机制 混合卷积层 目标检测 

摘      要：针对两阶段目标检测算法中模型存在目标识别率低、部分小目标物漏检等问题,提出了一种基于判别相关分析的双注意力机制的目标检测算法。该算法通过改进Faster R-CNN主干网络,引入判别相关分析技术最大化两个特征集中对应特征的相关关系,同时最大化不同类之间的差异,来保证信息间的交互,有效缓解常规特征融合方式存在的特征提取能力不足问题。同时,结合残差结构构建残差双注意力机制,进行深层次的特征提取,来弥补深度CNN后高分辨率信息弱化问题,采用混合卷积层的设计在扩大感受野的同时又减少了信息损失,最大限度地保证了网络的特征提取性能。采用PASCAL VOC2007、KITTI以及Portrait三类数据集对网络进行训练,并将提出的算法模型与多个经典目标检测算法进行对比。实验结果表明,提出的算法具有较高的检测精度。