《电子技术应用》2023年第49卷第3期ArtificialIntelligence人工智能基于YOLOX融合自注意力机制的FSA-FPN重构方法安鹤男1，管聪2，邓武才1，杨佳洲2，马超2（1.深圳大学电子与信息工程学院，广东深圳518000；2.深圳大学微纳光电子学研究院，广东深圳518000）摘要：随着目前目标检测任务输入图像分辨率的不断增大，在特征提取网络的感受野不变的情况下，网络提取的特征信息会越来越局限，相邻特征点之间的信息重合度也会越来越高。提出一种FSA（FusionSelf-Attention）-FPN，设计SAU（Self-AttentionUpsample）模块，SAU内部结构通过CNN与自注意力机制（Self-Attention）进行交叉计算以进一步进行特征融合，并通过重构FCU（FeatureCouplingUnit）消除二者之间的特征错位，弥补语义差距。以YOLOX-Darknet53为主干网络，在PascalVOC2007数据集上进行了对比实验。实验结果表明，对比原网络的FPN，替换FSA-FPN后的平均精度值mAP@［.5：.95］提升了1.5%，预测框的位置也更为精准，在需要更高精度的检测场景下有更为出色的使用价值。关键词：FSA-FPN；特征融合；SAU；自注意力机制中图分类号：TP391.4文献标志码：ADOI:10.16157/j.issn.0258-7998.223139中文引用格式：安鹤男，管聪，邓武才，等.基于YOLOX融合自注意力机制的FSA-FPN重构方法[J].电子技术应用，2023，49(3)：61-66.英文引用格式：AnHenan，GuanCong，DengWucai，etal.FSA-FPNreconstructionmethodthatfusedself-attentionmechanismbasedonYOLOX[J].ApplicationofElectronicTechnique，2023，49(3)：61-66.FSA-FPNreconstructionmethodthatfusedself-attentionmechanismbasedonYOLOXAnHenan1，GuanCong2，DengWucai1，YangJiazhou2，MaChao2(1.CollegeofElectronicsandInformationEngineering，ShenzhenUniversity，Shenzhen518000，China；2.InstituteofMicroscaleOptoelectronics，ShenzhenUniversity，Shenzhen518000，China)Abstract：Withtheincreasingresolutionoftheinputimageofthecurrenttargetdetectiontask，thefeatureinformationextractedfromthefeatureextractionnetworkwillbecomemoreandmorelimitedundertheconditionthatthereceptivefieldofthefeatureextractionnetworkremainsunchanged，andtheinformationcoincidencedegreebetweenadjacentfeaturepointswillalsobecomehigherandhigher.ThispaperproposesanFSA(fusionself-attention)-FPN，anddesignsSAU(self-attentionup...
