三重线

arxiv：2408.16219v1 [cs.cv] 2024年8月29日

在过去的几年中，Yolo系列模型已成为对象检测领域中的主要方法之一。许多研究通过修改其体系结构，提高数据质量并开发新的损失功能来提出这些基线模型。但是，当前模型仍然在处理特征图中表现出缺陷，例如俯瞰跨尺度特征的融合以及缺乏动态功能调整功能的静态融合方法。为了解决这些问题，本文介绍了E ffi cient细粒度的多尺度动态选择模块（FMDS模块），该模块采用了更具EFF的动态功能选择和融合方法，可在细粒的多尺度特征图中进行，从而显着增强了中小型，中等，中等和大型环境的检测精度。此外，本文提出了一个自适应门控的多分支焦点融合模块（AGMF模块），该模块利用多个平行分支执行由封闭式单位分支，FMDS模块分支和三重线分支进行互补的融合。这种方法进一步增强了特征融合的全面，多样性和完整性。本文将FMDS模块AGMF模块集成到Yolov9中，以开发一种名为FA-Yolo的新型对象检测模型。广泛的实验结果表明，在相同的实验条件下，FA-YOLO在Pascal VOC 2007数据集上达到了66.1％的平均平均精度（MAP），比Yolov9的65.1％提高了1.0％。此外，与Yolov9的42.1％，51.5％和69.9％相比，小型，中和大型目标的FA-YOLO的检测准确性分别为44.1％，54.6％和70.8％。