计算机工程

作者：张业星, 陈敏, 潘秋羽

单位：1. 中国电建集团华东勘测设计研究院有限公司, 杭州 310000;2. 浙江华东工程数字技术有限公司, 杭州 310000

关键词：目标检测,上下文信息,通道建模,卷积神经网络,特征增强

基金：国家自然科学基金（61972225）。

针对直接利用多尺度融合特征图进行目标检测时鲁棒性较差的问题，提出一种对图像全局信息进行多维建模的检测方法。采用多阶段的特征复用和特征融合减少特征间相关性损失，设计广度通道建模分支（BCMB）与深度通道建模分支（DCMB）弥补因感受野变化造成的图像空间信息不足，并丰富图像中各个目标间的上下文信息。通过BCMB建立宽高方向的二维通道矩阵，对多层级的感受野进行建模，进而丰富模型对图像的空间感知，完成目标定位。使用DCMB建立深度方向的一维通道向量，提炼图像的全局特征，丰富模型对图像的上下文描述，完成目标分类。将2个分支生成的通道图与输入特征进行加权融合，增强图像通道表达力，使输出的特征对目标的位置和类别信息更敏感。在PASCAL VOC 2007测试数据集上的实验结果表明，该方法的mAP值为85.8%，与未使用通道建模的Baseline方法相比，最高可提升3.2个百分点。

来源：2022年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第7期