基于改进Faster R-CNN的小目标检测模型
针对工业大尺寸图像中小目标检测的平均精度均值低的问题,提出了一种改进的Faster R-CNN-Tiny模型.首先采用特征金字塔结构来对二阶检测器Faster R-CNN进行改进,来增强特征的表达能力,同时增加小目标特征映射分辨率,提高预测精度;其次将原本ResNet结构的最后一块改变为可变形卷积,自动计算各点的偏移,从最合适的地方取特征进行卷积,用以加强对小目标区域的特征提取;最后在提取感兴趣区域特征的时候,引入了内容的上下文信息,提高小目标检测的准确率.在工业中具有代表性的卫星遥感UCAS-AOD数据集以及天池瓷砖表面瑕疵质检数据集上进行对比试验.结果表明,改进后的FRC-Tiny模型相比原模型,其检测的平均精度均值分别提高了5.57%和 14.25%.
FRC-Tiny、特征金字塔、可变形卷积、工业小目标图像
44
TP391.4(计算技术、计算机技术)
国家自然科学基金61373099
2022-05-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
122-127