多尺度目标检测的跨层特征自注意力模块
计算机视觉与模式识别
2025-10-17 v1
摘要
近期的目标检测方法通过利用注意力机制来提高特征判别能力取得了显著进展。然而，大多数现有方法局限于细化单层或融合双层特征，忽略了跨多尺度表征的丰富层间依赖关系。这限制了其捕获大尺度变异对象所必需的综合上下文信息的能力。本文提出一种新型跨层特征自注意力模块(CFSAM)，全面建模多尺度特征图中的局部和全局依赖。CFSAM由三个关键组件构成：卷积局部特征提取器、基于Transformer的全局建模单元高效捕获跨层相互作用，以及特征融合机制以恢复和增强原始表征。集成到SSD300框架中后，CFSAM显著提升了检测性能，在PASCAL VOC上实现78.6% mAP(对75.5%基线)，在COCO上实现52.1% mAP(对43.1%基线)，超越现有注意力模块。此外，该模块在训练期间加快收敛速度，未引入显著的计算开销。我们的工作凸显了在推进多尺度目标检测方面对显式跨层注意力建模的重要性。
关键词
引用
@article{arxiv.2510.14726,
title = {Cross-Layer Feature Self-Attention Module for Multi-Scale Object Detection},
author = {Dingzhou Xie and Rushi Lan and Cheng Pang and Enhao Ning and Jiahao Zeng and Wei Zheng},
journal= {arXiv preprint arXiv:2510.14726},
year = {2025}
}