双向特征融合与注意力机制结合的目标检测

赵文清，杨盼盼

（1.华北电力大学 控制与计算机工程学院，河北 保定 071003;2.复杂能源系统智能计算教育部工程研究中心，河北 保定 071003）

目标检测是计算机视觉领域的重要研究方向。现阶段的目标检测方法主要有2 种：一种是基于分类的两阶段法，另一种是基于回归的单阶段法。2014 年Girshick 等[1]首次提出R-CNN(region convolutional neural networ，R-CNN)使用选择性搜索[2]生成的区域建议。该算法相比传统算法得到了很大的提升，但是不能满足实时性要求。在2015 年，Girshick 等[3-4]在R-CNN 和SPPNet(spatial pyramid pooling net)网络的基础上提出了Fast-RCNN 网络。Fast R-CNN比R-CNN 快，但是这个网络还是不能实现端到端的训练，因此He 等[5]就端到端的问题提出了解决方法，提出了Faster-RCNN 网络。Faster-RCNN 将区域建议阶段和分类阶段结合到一个模型中，允许端到端学习。从R-CNN 到Faster-RCNN 的发展过程，都是先得到候选框，对候选框做处理之后再进入分类器做处理，这种类型的方法统称为两阶段目标检测法。两阶段方法不能满足实时性要求，基于回归的单阶段检测法应运而生。在单阶段检测方法中最具代表性的是YOLO[6-7]系列和SSD[8]系列。YOLO 算法检测速度快，但是容易出漏检。为了改善YOLO 算法中的缺陷，Liu 等[8]提出SSD 算法，SSD 使用多尺度特征进行分类和回归任务，但是其效果仍有待提高。为了提高目标检测的准确率，DSSD[9]将反卷积技术应用于SSD的所有特征图，以获得放大的特征图。但是，由于将反卷积模块应用于所有特征图，因此存在模型复杂度增加和速度降低的局限性。此外，针对尺度较小的目标在检测中存在的问题，相关学者提出了一系列改进算法。……