基于权重平衡调节损失函数的结构优化RefineDet算法

摘要：

在目标检测方法中,针对目标检测网络RefineDet对类别样本数量不平衡和困难样本难挖掘问题,以及ARM获取位置信息和特征信息比较粗略所导致训练效果不佳的问题;提出权重平衡调节损失(WBALoss)函数,通过对多分类损失中的不同类别样本和难易样本进行加权来提高对样本数量少的类别和困难样本关注度;以及ARM与TCB信息融合和添加PyConv优化算法网络.在VOC07和VOC12数据集上进行实验,与原RefineDet相比,所改进的算法在两个数据集测试的mAP分别提高了1.49％,1.51％.以及分别只添加类别样本平衡因子、难易样本平衡因子和优化结构后的RefineDet算法在两个数据集测试的mAP分别提高0.52％,0.58％,0.59％和0.54％,0.61％,0.57％.

关键词：目标检测、不平衡数据集、难易样本、分类损失、信息融合

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61873138

在线出版日期：2022-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：112-116