|
|||||
|
|
| 一种可变锚框候选区域网络的目标检测方法 | |
| 作者姓名： | 李承昊 茹乐 何林远 迟文升 |
| 作者单位： | 1.空军工程大学 航空工程学院, 西安 710038 |
| 基金项目： | 国家自然科学基金61701524中国博士后科学基金2019M653742陕西省自然科学基础研究计划2017JM6071 |
| 摘 要： | 目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。 |
| 关 键 词： | 计算机视觉 目标检测 深度学习 候选区域网络(RPN) 非极大值抑制(NMS) |
| 收稿时间： | 2019-09-29 |
| 本文献已被 CNKI 等数据库收录！ | |
| 点击此处可从《北京航空航天大学学报》浏览原始摘要信息 | |
| 点击此处可从《北京航空航天大学学报》下载免费的PDF全文 | |