融合优化特征提取结构的目标检测算法
作者:向南; 潘传忠; 虞高翔
更新时间:
为了解决DEtection TRansformer(DETR)目标检测精度低的问题,在DETR的基础上,提出了一种目标检测算法CF-DETR,以优化特征提取结构。首先,使用CSP Darknet 53结合优化的交叉相位部分网络(CSP)提取原始地图的特征,并输出四个比例尺的特征地图。其次,使用特征金字塔(FPN)对下采样和上采样后的四个尺度的特征图进行拼接和融合,输出5252大小的特征图。然后将特征图与位置编码信息相结合得到的特征序列输入Transformer,并通过前向反馈网络(FFNs)作为预测头输出预测目标的类别和位置信息。在COCO2017数据集上,CF-Detr模型的超参数量比DETR模型少2106个,对小目标的检测精度提高了2.1个百分点,对中、大目标的检测精度提高了2.3个百分点。实验表明,优化特征提取结构可以有效提高DETR的检测精度,同时减少模型超参数的数量。