摘要：
基于深度学习的目标检测算法因其模型复杂度和对计算能力的要求,难以部署在移动设备等低算力平台上.为了降低模型的规模,提出一种轻量级目标检测算法.该算法在自顶向下的特征融合的基础之上,通过添加注意力机制构建特征金字塔网络,以达到更细粒度的特征表达能力.该模型以分辨率为320×320的图像作为输入,浮点运算量只有0.72 B,并在VOC数据集上取得了74.2％的mAP,达到了与传统单阶段目标检测算法相似的精度.实验数据表明,该算法在保持了检测精度的同时显著降低了模型运算量,更适合低算力条件下的目标检测.
关键词：
通讯作者信息：
电子邮件地址：
