改进ResNet50和FPN的多尺度目标检测算法研究

针对ResNet50和FPN结构无法将浅层的细节信息和深层的语义信息充分融合利用等问题，提出了一种改进ResNet50和FPN结构的算法，在ResNet50网络结构不同层次中引入了改进的通道和空间注意力模块，充分利用不同特征层的细节信息和语义信息。此外，在FPN结构中，为了能让浅层特征层更好的利用深层特征层的语义信息，在FPN自上而下的路径中，不同特征层之间增加了旁路来加强特征的重用。实验结果表明，在MS COCO数据集训练以后在PASCAL VOC 2012测试的均值平均精度(mAP)达到了83.2%,提升了2.7%,在MS COCO数据集上的mAP提升了1.5%,具有不错的检测性能。