用于小目标检测的多分辨率注意力提取器

小目标因其低分辨率和小尺寸而难以检测。现有的小目标检测方法主要集中于数据预处理或缩小大目标与小目标之间的差异。受人类视觉“注意力”机制启发，我们利用两种特征提取方法来挖掘小目标最有用的信息。两种方法均基于多分辨率特征提取。我们最初设计并探索了软注意力方法，但发现其收敛速度较慢。随后我们提出第二种方法，一种基于注意力的特征交互方法，称为多分辨率注意力提取器（MultiResolution Attention Extractor, MRAE），作为小目标检测中的通用特征提取器表现出显著改进。在原始特征提取器中每个构建块之后，我们附加一个小网络以生成注意力权重，随后通过加权求和操作得到最终的注意力图。在 COCO 小目标检测基准上，我们基于注意力的特征提取器的 AP 是“硬”注意力对应方法（朴素架构）的 2.0 倍，证明 MRAE 能够通过自适应学习捕获有用的位置和上下文信息。