基于自适应Token池化与集合预测增强的目标检测.pdfVIP

计算机系统应用

ISSN

1003-3254,

CODEN

CSAOBNE-mail:

csa@

2025,34(2):74−83

[doi:

10.15888/ki.csa.009765]

[CSTR:

32024.14.csa.009765]

©中国科学院软件研究所版权所有.Tel:

+86-10

基于自适应Token池化与集合预测增强的目标

检测①

刘耀,

陈东方,

王晓峰

(武汉科技大学

计算机科学与技术学院,

武汉

430081)

通信作者:

刘耀,

E-mail:

210717351@

摘要:

基于Transformer的目标检测算法往往存在着精度不足,

收敛速度慢的问题.

许多研究针对这些问题进行改

进,

取得了一定的成果.

但是这些研究大都忽视了Transformer结构应用于目标检测领域时存在的两个不足之处.

首

先,

自注意力运算结果缺乏多样性.

其次,

因集合预测难度大,

使得模型在匹配目标的过程中表现不稳定.

为了弥补

上述缺陷,

首先设计了自适应token池化模块,

增加自注意力权重的多样性.

其次,

设计了一种基于粗预测的锚框定

位模块,

并利用该模块为查询提供位置先验信息,

从而提高二分图匹配过程的稳定性.

最后,

设计了基于组的去噪任

务,

通过训练模型对位于目标附近的正负查询进行区分,

从而提高模型进行集合预测的能力.

实验结果表明,

本文提

出的改进算法在COCO数据集上取得了较好的训练结果.

与基线模型相比,

改进算法在检测精度与收敛速度上有

较大提升.

关键词:

目标检测;

query初始化方式;

自注意力;

训练策略

引用格式:

刘耀,陈东方,王晓峰.基于自适应Token池化与集合预测增强的目标检测.计算机系统应用,2025,34(2):74–83.

/

1003-3254/9765.html

ObjectDetectionBasedonAdaptiveTokenPoolingandEnhancedSetPrediction

LIU

Yao,

CHEN

Dong-Fang,

WANG

Xiao-Feng

(School

of

Computer

Science

and

Technology,

Wuhan

University

of

Science

and

Technology,

Wuhan

430081,

China)

Abstract:

Transformer-based

object

detection

algorithms

often

suffer

from

problems

such

as

insufficient

accuracy

and

slow

convergence.

Although

many

studies

have

proposed

improvements

to

address

these

problems

and

have

achieved

certain

outcomes,

most

of

them

overlook

two

key

shortcomings

when

applying

Transformer

structure

to

the

field

of

object

detection.

Firstly,

self-attention

computation

results

are

not

diversified.

Secondly,

due

to

the

complexity

of

set

prediction,

the

models

are

unstable

during

target

matching.

To

overcome

these

deficiencies,

this

study

proposes

several

enhancements.

Firstly,

an

adaptive

token

pooling

module

is

designed

to

increase

self-attention

weight

diversity.

Secondly,