计算机工程

作者：宋鹏鹏, 龚声蓉, 钟珊, 周立凡, 凤黄浩

单位：1. 苏州大学 计算机科学与技术学院, 江苏 苏州 215000;2. 常熟理工学院 计算机科学与工程学院, 江苏 苏州 215000;3. 吉林大学 符号计算与知识工程教育部重点实验室, 长春 130000

关键词：弱监督目标检测,擦除策略,注意力机制,非刚性目标,深度学习

基金：国家自然科学基金（61972059，42071438）；江苏省自然科学基金（BK20191474，BK20191475，BK20161268）；吉林大学符号计算与知识工程教育部重点实验室项目（93K172021K01，93K172017K18）。

现有的弱监督检测方法主要采用多示例检测网络，但在这些方法中应用分类特征提取网络易使目标尤其是非刚性目标的检测结果收敛到目标最显著局部区域。提出一种基于双注意力擦除和注意力信息聚合的端到端的弱监督检测框架DAENet。双注意力擦除模块的目的在于擦除生成的最显著性局部前景区域和部分背景区域，以此来扩展目标显著性区域，使网络能够尽可能地关注目标整体，从而更好地捕获目标整体区域。此外，为准确定位不同目标区域并精确生成注意力擦除掩码，提出注意力信息聚合模块，该模块可提取通道的全局特征和局部特征，并引入空间依赖性进一步提高检测精度。通过将双注意力擦除和注意力信息聚合进行协同工作，从而更好地提高弱监督检测性能。在PASCAL VOC 2007和VOC 2012数据集上的实验结果表明，DAENet框架在两个数据集上的检测精度分别达到50.5%和47.4%，相比基准模型，在部分非刚性目标上的检测精度提高了约5%~20%。

来源：2023年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第3期