资料简介
摘要计算机视觉研究的一个重要组成部分是目标检测。近年来，建筑工地图像的研究取得了巨大的进展。然而，在建筑对象检测中存在明显的问题，包括复杂的背景、不同大小的对象和较差的成像质量。在最先进的方法中，精心设计的注意力机制被开发来处理时空特征，但很少涉及通道方向特征调整的重要性。我们提出了一种轻量级的优化定位（OP）模块，以基于全局特征亲和关联来改进通道关系，该模块可用于为每个通道自适应地确定优化权重。OP首先通过比较给定特征图集的每个通道与其余通道来计算中间优化位置。然后，所有通道的加权聚合将用于表示每个通道。OP-Net模块是一个通用的深度神经网络模块，可以插入任何深度神经网络中。利用深度学习的算法已经证明了它们从图像中实时识别各种对象的能力。通过与建筑图像相关联的算法自动分析生产力和监测安全，机器智能有可能使建筑业受益。在预防危险方面，现场自动监测的好处是巨大的。一旦正确识别出施工对象，施工监控任务也可以实现自动化。为了证明其功效和有效性，对建筑工地图像中的目标检测任务进行了广泛的实验。使用SODA的基准测试表明，我们的OP-Net能够在保持合理计算开销的同时，在准确性方面达到新的最先进性能。原文pdf格式，译文word格式
| 
