基于改进锚点框与Transformer架构的目标检测算法

• 全文链接
• 请求原文

作   者：

丁剑洁;  安雯; 

作者机构：

陕西学前师范学院数学与统计学院;  西安邮电大学计算机学院; 

关键词：

Transformer;  全局信息;  检测性能;  锚点框匹配;  目标检测;  K-Means++; 

期刊名称：

现代电子技术

i s s n：

1004-373X

年卷期：

2023 年 46 卷 015 期

页   码：

37-42

摘   要：

针对目标检测中目标尺度多变以及小目标众多等难点,提出一种融合改进锚点框和Transformer架构的目标检测算法.首先采用K-Means++算法对数据集进行聚类,得到更符合目标实际尺寸的锚点框,提高锚点框匹配的准确性;其次在检测器颈部引入Transformer Encoder结构,利用其长距离依赖属性获取全局信息,弥补CNN计算的不足.所提算法在PASCAL VOC数据集和KITTI数据集上检测精度分别达到83.0%、83.8%,相比基准算法分别提高了1%、2%.结果表明,该算法具有较强的尺度适应能力,能有效提高目标检测的精度.