基于多粒度特征感知的FoveaBox绿色苹果抗遮挡检测模型

打开文本图片集

摘要：

目标果实检测精度直接影响果园智能作业的效率，当前以卷积神经网络为代表的特征提取网络仅从局部感受野中提取特征用于目标检测，果实受枝叶遮挡或果实间重叠时存在一定的局限性，导致检测精度偏低。为提升被遮挡目标果实的检测精度，提出抗遮挡的FoveaBox果实检测优化模型。首先，新模型引入Swin Transformer作为骨干网络，通过计算块间的相似度，打破传统卷积仅从局部区域提取特征的限制，从而增强特征映射的表征能力；其次，采用特征金字塔网络，通过横向连接和自顶向下结构聚合浅层高分辨率特征与高层语义信息，输出金字塔型特征映射；然后，将金字塔型特征映射输入Fovea头部网络中，利用分类子网络与边界框子网络进行检测目标；最后，通过焦点损失函数Focal Loss与Smooth L1对模型进行迭代寻优，直至模型收敛。（剩余12951字）