引入注意力机制的轻量级小目标检测网络

摘要

为了提高在如无人机航拍图像等背景复杂情况下的小目标检测能力,本文在YOLOv4网络的基础上,提出了一种引入注意力机制的轻量级小目标检测网络。首先,在通道注意力机制中加入多尺度融合模块并构造多方法特征提取器,再将所设计的通道注意力模块嵌入到YOLOv4特征提取网络,增强网络对于图像感兴趣区域的关注能力;接着,改进YOLOv4网络结构,增加浅层特征层与深层特征信息融合机制,以获取丰富的分辨率信息;最后,采用通道剪枝和知识蒸馏策略对改进后的网络进行模型优化,在微小精度损失的前提下大幅度减少了模型参数数量。实验结果表明,在无人机航拍数据中,本文提出的轻量级小目标检测网络较原网络的模型大小减少93.6%,推理速度提高52.6%,mAP提升了2.9%;在布匹疵点数据集中,模型大小减少92.1%,推理速度提高49.5%,mAP提升了2.2%,有效改善了复杂背景下的小目标检测效果,同时实现了网络的轻量化。