基于YOLOX融合自注意力機制的FSA-FPN重構方法
所屬分類：技術論文
上傳者：zhoubin333
文檔大?。?span>1411 K
標簽： FSA-FPN 特征融合 SAU
所需積分：0分積分不夠怎么辦？
文檔介紹：隨著目前目標檢測任務輸入圖像分辨率的不斷增大，在特征提取網(wǎng)絡的感受野不變的情況下，網(wǎng)絡提取的特征信息會越來越局限，相鄰特征點之間的信息重合度也會越來越高。提出一種FSA（Fusion Self-Attention）-FPN，設計SAU（Self-Attention Upsample）模塊，SAU內(nèi)部結構通過CNN與自注意力機制（Self-Attention）進行交叉計算以進一步進行特征融合，并通過重構FCU（Feature Coupling Unit）消除二者之間的特征錯位，彌補語義差距。以YOLOX-Darknet53為主干網(wǎng)絡，在Pascal VOC2007數(shù)據(jù)集上進行了對比實驗。實驗結果表明，對比原網(wǎng)絡的FPN，替換FSA-FPN后的平均精度值mAP@［.5：.95］提升了1.5%，預測框的位置也更為精準，在需要更高精度的檢測場景下有更為出色的使用價值。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。