An object detection method based on multilayer attention mechanism

Lei Feng

doi:10.1016/j.aej.2025.10.028

An object detection method based on multilayer attention mechanism

2025-11-20

0

OA

AI

DOI：10.1016/j.aej.2025.10.028

原文链接

查看原文

摘要

En 中文

目标检测面临多尺度目标识别和复杂场景下特征表达不足的挑战。本研究提出了一种基于多层级注意力机制的视觉实体定位技术。以Faster R-CNN结合特征金字塔网络（FPN）作为基准框架，并通过引入层次化注意力模块，将多尺度特征融合优化为Faster R-CNN-FPN（FR-CNN-FPN）算法模型。该方法在FPN的横向连接路径中嵌入了通道-空间协同注意力机制；该方法检测精度（AP）达到95.76%，高于Faster R-CNN，且对小目标（APs）和大目标（APm）的检测性能分别达到42.6%和70.2%。此外，通过轻量化注意力头设计，模型计算开销仅为90.2%，推理速度维持在36 FPS。实验结果验证了多层级注意力机制在多尺度特征优化中的有效性，并为复杂场景下的目标检测提供了高精度解决方案。

Keyword:

Multi-layer features

Attention mechanisms

Object detection

Faster R-CNN-FPN

An object detection method based on multilayer attention mechanism

摘要

AI总结

期刊

机构

引用论文