近日，学院李天平教授课题组在人工智能领域国际知名期刊《Neurocomputing》上发表题为“AIFE-Net: Transformer-based adaptive multi-scale feature extraction encoder for object detection”的研究论文。山东师范大学为唯一署名单位，硕士研究生张振亦为第一作者，李天平教授为通讯作者。
在目标检测中，特征金字塔网络由于其特征融合的优势，获得了大量的多尺度信息，提高了复杂场景中不同尺度目标的检测性能。然而，该模型在特征捕获、抗干扰能力和信息传输效率等方面仍存在不足，这给复杂环境下表达目标区域的特征带来了挑战。为此，本文提出了基于多尺度上下文信息提取模块和交互提取变压器模块的自适应多尺度特征提取编码器，通过高效、交互地传输FPN各层的输入特征，实现自适应多尺度信息采集，弥补了FPN的不足。在多尺度特征提取编码器的基础上，进一步构建自适应交互特征提取检测网络，更好地区分目标区域和背景区域。
以上研究获得国家自然科学基金面上项目、山东师范大学科研创新团队等资助。论文链接：https://doi.org/10.1016/j.neucom.2025.130366
