第51卷第3期2023年3月华中科技大学学报（自然科学版）J.HuazhongUniv.ofSci.&Tech.(NaturalScienceEdition)Vol.51No.3Mar.2023一种注意力机制特征融合的小目标检测模型陈海燕甄霞军赵涛涛(兰州理工大学计算机与通信学院，甘肃兰州730050)摘要针对图像中小目标的特征难以有效提取，从而对小目标的检测不利的问题，提出了一种通道-空间注意力机制特征融合的小目标检测模型．该模型以FasterR-CNN作为基础检测模型，首先设计了一种基于通道-空间注意力机制的特征融合方法，用于降低特征融合过程中引起的混叠效应；然后设计了一种跳跃残差连接模块用于降低特征融合过程中高层特征信息的丢失；最后基于ResNet101深层特征提取能力强的特点，使用其提取特征，将提取的特征采用通道-空间注意力机制特征融合方法融合生成特征金字塔网络，并将生成的特征金字塔网络作为FasterR-CNN的主干网络．在NWPUVHR-10数据集上对小目标检测的实验结果表明：本文模型的平均检测精度为82.5%，高于DSSD(55.4%)、FSSD(77.3%)、TDFSSD(76.8%)、FasterR-CNN(44.2%)和FPN(68.9%)的平均检测精度．关键词小目标检测；特征融合；注意力机制；混叠效应；特征金字塔网络中图分类号TP391.4文献标志码A文章编号1671-4512(2023)03-0060-07SmallobjectdetectionmodelbasedonfeaturefusionofattentionmechanismCHENHaiyanZHENXiajunZHAOTaotao(SchoolofComputerandCommunication，LanzhouUniversityofTechnology，Lanzhou730050，China)AbstractAimingatthedisadvantageofsmallobjectdetectioncausedbythedifficultyoffeatureextractionintheimage，asmallobjectdetectionmodelwasproposedbasedonthefeaturefusionofchannel-spaceattentionmechanism．Inthismodel，FasterR-CNNwasusedasthebasicdetectionmodel．First，afeaturefusionmethodwasdesignedbasedonchannel-spaceattentionmechanismtoreducealiasingeffectcausedbyfeaturefusion．Secondly，ajumpresidualconnectionmodulewasdesignedtoreducethelossofhigh-levelfeatureinformationintheprocessoffeaturefusion．Finally，basedonthestrongdeepfeatureextractionabilityofResNet101，itwasusedtoextractfeaturesinfastFasterR-CNN．Theextractedfeatureswerefusedusingthefeaturefusionmethodofchannelspatialattentionmechanismproposedtogeneratethefeaturepyramidnetwork，andthegeneratedfeaturepyramidnetworkwasusedasth...
