| 基于CNN级联特征增强的通用目标检测方法 |
| |
| 引用本文： | 张业星,陈敏,潘秋羽. 基于CNN级联特征增强的通用目标检测方法[J]. 计算机工程与设计, 2022, 43(5): 1344-1350. DOI: 10.16208/j.issn1000-7024.2022.05.019 |
| |
| 作者姓名： | 张业星 陈敏 潘秋羽 |
| |
| 作者单位： | 中国电建集团华东勘测设计研究院有限公司 浙江华东工程数字技术有限公司,浙江 杭州 310000 |
| |
| 摘 要： | 为解决传统链式特征融合只针对单一方向缺失的语义信息进行弥补,忽略语义信息来源多方向性的问题,提出一种对图像特征空间进行全局建模的方法。根据各个层级特征图对原始信息的多维度描述,设计特征增强模块(feature enhancement module,FEM),从多个方向弥补级联特征缺失的语义,达到增强CNN级联特征表达力的目的。经实验验证,FEM的使用在PASCALVOC2007测试数据集上达到了85.0%的平均精度均值(mean average precision,m AP),与依赖传统融合方式的检测算法相比最高提高了2.3%。
|
| 关 键 词： | 目标检测 全局特征 通道建模 特征增强 卷积神经网络 |
Object detection based on CNN cascade feature enhancement |
| |
| ZHANG Ye-xing,CHEN Min,PAN Qiu-yu. Object detection based on CNN cascade feature enhancement[J]. Computer Engineering and Design, 2022, 43(5): 1344-1350. DOI: 10.16208/j.issn1000-7024.2022.05.019 |
| |
| Authors: | ZHANG Ye-xing CHEN Min PAN Qiu-yu |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
