| 基于特征优化与深层次融合的目标检测算法 |
| |
| 作者姓名： | 谢誉 包梓群 张娜 吴彪 涂小妹 包晓安 |
| |
| 作者单位： | 1. 浙江理工大学 计算机科学与技术学院,浙江 杭州 3100182. 浙江理工大学 理学院,浙江 杭州 3100183. 浙江广厦建设职业技术大学 建筑工程学院,浙江 东阳 322100 |
| |
| 基金项目： | 浙江省重点研发计划项目(2020C03094);浙江省教育厅一般科研项目(Y202147659); 浙江省教育厅项目(Y202250706,Y202250677);国家自然科学基金资助项目(6207050141);浙江省基础公益研究计划项目(QY19E050003) |
| |
| 摘 要： | 针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD. SCFE模块基于局部空间特征增强和全局通道特征增强机制优化特征层,注重特征层的细节信息;DFPN基于残差空间通道增强模块改进特征金字塔网络,使不同尺度特征层进行深层次特征融合,提升目标检测精度.在训练阶段添加样本加权训练策略,使网络注重训练定位良好的样本和置信度高的样本.实验结果表明,在PASCAL VOC数据集上,所提算法在保证速度的同时检测精度由SSD的77.2%提升至79.7%;在COCO数据集上,所提算法的检测精度由SSD的25.6%提升至30.1%,对小目标的检测精度由SSD的6.8%提升至13.3%.
|
| 关 键 词： | 目标检测 深层次特征金字塔网络(DFPN) 空间通道特征增强(SCFE) 样本加权训练 单阶段多边框检测算法(SSD) |
|
| 点击此处可从《浙江大学学报(工学版)》浏览原始摘要信息 |
|
点击此处可从《浙江大学学报(工学版)》下载全文 |
|
