一种可变锚框候选区域网络的目标检测方法

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)

所属期刊栏目：46

分类号：V221+.3;TB553(飞机构造与设计)

资助基金：国家自然科学基金;中国博士后科学基金;陕西省自然科学基础研究计划

在线出版日期：2020-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1610-1617