多维注意力机制融合的目标检测网络

为了提升目标检测的准确性和效率,基于YOLOv7提出了一种多维注意力机制融合的目标检测网络(MAF-Net)。在网络主干部分,采用ODConv替代传统卷积堆叠,融入多维注意力机制并行策略,提升了特征提取能力。在头部网络部分,插入SimAM注意力机制,通过计算特征图的3-D关注权重来优化检测精度。同时,结合Inner-IoU与CIoU,提高了模型精度并优化了训练效率。经MS COCO 2017数据集实验验证,MAF-Net的mAP相较于原模型提升1.3%。综上所述,提出的MAF-Net模型在目标检测领域展现出了优异的性能,具有良好的识别精度、精细的特征提取以及高效的训练效率。

资料为PDF文档格式.

本文档关键词:注意力,融合,机制,多维,网络