基于空洞卷积金字塔的目标检测算法
作为目标检测领域最突出的问题,遮挡和多尺度严重影响了算法的召回率和准确率.针对以上问题,该文从感受野入手,提出了一种基于空洞卷积金字塔网络(ACFPN)的目标检测算法.首先,将不同尺寸的空洞卷积层引入特征金字塔网络(FPN)中,构建混合感受野模块(HRFM),旨在控制参数量的条件下,通过增大感受野获取更多全局特征信息,解决目标的遮挡问题;其次,改进FPN的结构,设计低层嵌入特征金字塔模块(LEFPM),将浅层特征细节信息和高层特征语义信息相融合,提高特征图的丰富度和表征能力,增强模型的尺度适应性;特别地,针对漏检问题,引入FCOS算法中的无锚框(AF)机制,减少了候选框的冗余,进一步提高了定位精度.最后在公开数据集上进行测试,该算法在检测精度上大幅提升.
空洞卷积;特征融合;特征金字塔;目标检测;感受野
50
TP391.4(计算技术、计算机技术)
国家重点研发计划2018YFC0807501
2021-12-02(万方平台首次上网日期,不代表论文的发表时间)
共9页
843-851