2023-05-10计算机应用,JournalofComputerApplications2023,43(5):1557-1564ISSN1001-9081CODENJYIIDUhttp：//www.joca.cn基于注意力机制和上下文信息的目标检测算法刘辉1，2，张琳玉1，2*，王复港1，2，何如瑾1，2（1.重庆邮电大学通信与信息工程学院，重庆400065；2.重庆邮电大学数智化通信新技术应用研究中心，重庆400065）（∗通信作者电子邮箱1075634172@qq.com）摘要：针对目标检测过程中存在的小目标漏检问题，提出一种基于注意力机制和多尺度上下文信息的改进YOLOv5目标检测算法。首先，在特征提取结构中加入多尺度空洞可分离卷积模块（MDSCM）以提取多尺度特征信息，在增大感受野的同时避免小目标信息的丢失；其次，在主干网络中添加注意力机制，并在通道信息中嵌入位置感知信息，进一步增强算法的特征表达能力；最后，使用Soft-NMS（Soft-Non-MaximumSuppression）代替YOLOv5使用的非极大值抑制（NMS），降低检测算法的漏检率。实验结果表明，改进算法在PASCALVOC数据集、DOTA航拍数据集和DIOR光学遥感数据集上的检测精度分别达到了82.80%、71.74%和77.11%，相较于YOLOv5，分别提高了3.70、1.49和2.48个百分点；而且它对图像中小目标的检测效果更好。因此，改进的YOLOv5可以更好地应用到小目标检测场景中。关键词：目标检测；深度可分离卷积；空洞卷积；注意力机制；非极大值抑制中图分类号：TP391.41文献标志码：AObjectdetectionalgorithmbasedonattentionmechanismandcontextinformationLIUHui1，2，ZHANGLinyu1，2*，WANGFugang1，2，HERujin1，2（1.SchoolofCommunicationandInformationEngineering，ChongqingUniversityofPostsandTelecommunications，Chongqing400065，China；2.DigitalIntelligenceCommunicationNewTechnologyApplicationResearchCenter，ChongqingUniversityofPostsandTelecommunications，Chongqing400065，China）Abstract:Aimingattheproblemofsmallobjectmissdetectioninobjectdetectionprocess，animprovedYOLOv5（YouOnlyLookOnce）objectdetectionalgorithmbasedonattentionmechanismandmulti-scalecontextinformationwasproposed.Firstly，MultiscaleDilatedSeparableConvolutionalModule（MDSCM）wasaddedtothefeatureextractionstructuretoextractmulti-scalefeatureinformation，increasingthereceptivefieldwhileavoidingthelossofsmallobjectinformation.Secondly，theattentionmechanismwasaddedt...
