目标检测中的特征融合方法

随着硬件资源的开发,深度学习技术广泛应用于视觉任务,基于深度学习的目标检测方法已经成为主流.特征融合是检测框架中用来提升模型性能的普遍方式,目前还没有较为系统的总结工作.因此,以深度学习为背景,本文首先从局部和整体两个层面介绍了特征融合,在结构上按照层、流以及空间的融合形式分析了目标检测中典型的以及改进的特征融合方法.然后分析了骨干网络和颈部网络中常用的特征融合技术,如加深网络、扩大感受野、加权融合等.最后提出了特征融合未来的研究方向,分析了多模态融合、自适应融合以及注意力机制等发展前景,为后续工作提供一些有益的指导.