第３５卷第２期重庆邮电大学学报（自然科学版）Ｖｏｌ．３５Ｎｏ．２２０２３年４月ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ａｐｒ．２０２３ＤＯＩ：１０．３９７９／ｊ．ｉｓｓｎ．１６７３⁃８２５Ｘ．２０２１０９１９０３３２基于多尺度特征选择与融合的目标检测方法收稿日期：２０２１⁃０９⁃１９修订日期：２０２３⁃０１⁃１０通讯作者：陈乔松ｃｈｅｎｑｓ＠ｃｑｕｐｔ．ｅｄｕ．ｃｎ基金项目：国家自然科学基金（６１８０６０３３）；国家社会科学基金（１８ＸＧＬ０１３）ＦｏｕｎｄａｔｉｏｎＩｔｅｍｓ：ＴｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（６１８０６０３３）；ＴｈｅＮａｔｉｏｎａｌＳｏｃｉａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（１８ＸＧＬ０１３）陈乔松，陈鹏昌，李佩，张亚玲，邓欣，孙开伟，王进（重庆邮电大学数据工程与可视计算重庆市重点实验室，重庆４０００６５）摘要：针对多尺度目标检测中特征图特征混淆和特征丰富程度不足的问题，提出一种基于多尺度特征选择与融合的目标检测算法。设计了一个特征选择模块来分离出不相关的特征，并结合特征金字塔网络形成特征选择网络结构，降低特征图中不同尺度目标的局部特征对当前尺度特征的干扰；提出一种浅层特征融合方法，将浅层特征逐级融合到较深层级特征中，解决特征图的特征不够丰富问题。结合特征选择架构和浅层特征融合架构，在ＰＡＳ⁃ＣＡＬ⁃ＶＯＣ２００７数据集上进行测试，结果ｍＡＰ达到了８０．１％。相较于基础的单阶段目标检测（ｓｉｎｇｌｅｓｈｏｔｄｅｔｅｃｔｉｏｎ，ＳＳＤ），所提算法的网络性能可提高２．９％，且在一些小目标和遮挡目标的检测效果上有明显的提升。通过对比和消融实验，证明了所提方法的有效性。关键词：目标检测；特征提取；特征选择；特征融合；特征金字塔中图分类号：ＴＮ９１５．４３，ＴＰ３９１．４文献标志码：Ａ文章编号：１６７３⁃８２５Ｘ（２０２３）０２⁃０２２７⁃０８Ｍｕｌｔｉ⁃ｓｃａｌｅｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｎｄｆｕｓｉｏｎｆｏｒｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎＣＨＥＮＱｉａｏｓｏｎｇ，ＣＨＥＮＰｅｎｇｃｈａｎｇ，ＬＩＰｅｉ，ＺＨＡＮＧＹａｌｉｎｇ，ＤＥＮＧＸｉｎ，ＳＵＮＫａｉ...
