控制与决策

作者：陈志旺,李宗轩,吕昌昊,岳会安,彭勇

单位：燕山大学 智能控制系统与智能装备教育部工程研究中心,河北 秦皇岛 066004;燕山大学 工业计算机控 制工程河北省重点实验室,河北 秦皇岛 066004,,燕山大学 智能控制系统与智能装备教育部工程研究中心,河北 秦皇岛 066004;燕山大学 工业计算机控 制工程河北省重点实验室,河北 秦皇岛 066004,,燕山大学 电力电子节能与传动控制河北省重点实验室, 河北 秦皇岛 066004,,燕山大学 智能控制系统与智能装备教育部工程研究中心,河北 秦皇岛 066004;燕山大学 工业计算机控 制工程河北省重点实验室,河北 秦皇岛 066004,,燕山大学 电气工程学院,河北 秦皇岛 066004,

关键词：深度学习;目标检测;多尺度检测;特征金字塔;特征融合;HRNet;CSPNet;SIoU

基金：国家自然科学基金项目(61573305)；河北省自然科学基金项目(F2022203038,F2019203511).

目标检测是计算机视觉领域中的一个重要研究方向,针对目标检测算法中存在的模型庞大、多尺度目标检测等问题,基于HRNet(high resolution net)和自适应空间特征融合(adaptively spatial feature fusion,ASFF)提出一种多尺度特征融合目标检测算法.首先,利用通道拆分(channel split)操作和深度可分离卷积(depthwise separable convolution,Dwconv)改进HRNet的基础模块,结合CSPNet改进HRNet的分支结构,减少模型的参数量,在得到轻量化L-HRNet三个分支后使用空间特征金字塔EESP(extremely efficient spatial pyramid)模块获得不同感受野大小特征,并将其融合后加强特征;其次,使用ASFF模块自适应融合EESP模块输出多尺度特征,该模块为3个分支的特征分配不同的特征融合权重,自适应融合重要的空间特征;最后,引入SIoU(shape-aware IoU)作为边界框定位损失函数,综合考量边界框回归之间的角度关系、中心点距离关系以及边界框的形状关系,使得预测框与真实框之间的损失度量更加准确,整体参数量为5.7M,在公开数据集PASCAL VOC上达到了85.1%的mAP,在MS COCO上的实验结果表明,mAP$_{0.5{\text{ -

来源：2024年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第10期