基于注意力机制和Soft-NMS的改进Faster R-CNN目标检测算法

摘要

针对目标检测网络Faster R-CNN(Faster Region-Convolutional Neural Network)存在漏检、误检和检测精度低的问题,提出一种融合注意力机制和Soft-NMS(Soft Non-Maximum Suppression)的Faster R-CNN目标检测算法。为了增强Faster R-CNN目标检测算法对特征图中全局重要特特的提取并弱化无关特征,首先在网络中引入了注意力机制;其次针对注意力机制采用两个全连接层构成瓶颈结构会造成局部信息损失的问题,构建一种可以和卷积神经网络进行端到端训练的非降维通道注意力和空间注意力串联模块;然后通过在区域建议网络中引入Soft-NMS替换传统的非极大抑制算法,可以降低目标漏检并提高定位精度;最后在评价标准里引入了误检率,进一步验证模型的性能。实验结果表明,基于ResNet-50的Faster R-CNN目标检测算法有效降低了漏检、误检并提高了定位精度,而且在平均检测精度上得到了明显的提升。