计算机工程与科学

作者：张海燕, 付应娜, 丁桂江, 孟庆岩

单位：1.合肥工业大学计算机与信息学院，安徽 合肥 231009； 2.三维医疗科技股份有限公司，江苏 徐州 221000）

关键词：无锚框,多样性感受野,注意力机制,特征融合,目标检测,

基金：安徽省重点研究与开发计划（201904d07020018）

作为目标检测的研究热点之一，无锚框算法摒弃大量预定义框的设置而采取逐像素的方式进行预测。即便如此，它仍不能够很好地处理重叠目标。此外，该算法获取图像的全局信息能力较弱且易出现感受野不匹配。因此，提出2种改进方法：多样性感受野注意力机制和全局信息指导特征融合。PASCAL VOC和MS COCO数据集上广泛的实验证实了改进方法的有效性。与基线FCOS相比，本文方法的检测精度在PASCAL VOC上提升了1.4%,在MS COCO上的精确度为42.8%,检测性能明显优于许多先进算法。

来源：2022年第11期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第11期