Point-GAT：图注意力机制与关键点检测的融合

针对以往基于关键点的目标检测存在小尺度上的检测结果不太理想，忽略关键点之间的类别语义信息的问题，提出了一种新的关键点检测算法Point-GAT。该算法通过在Hourglass和ResNeXt主干网络上加入快捷连接，解决网络深度增加带来的学习退化问题；使用反卷积和特征融合增强小尺度目标的检测效果；同时算法使用了图注意力机制，通过构建有向有权重图映射类别之间的语义关系，获得关键点之间的类别语义信息；在优化定位和回归函数的同时，加入分类损失函数分支来反映类别语义信息。在COCO数据集上实验结果表明，该算法平均精度达到了48.3%，在PASVAL VOC 2007和PASVAL VOC 2012数据集上平均精度均高于其他算法。