基于EfficientDet的高效目标检测算法研究

摘要：

针对神经网络训练时收敛慢和模型泛化能力差的问题,文章首先分析传统的和基于深度学习的目标检测算法各自的优势和不足,接着概括梯度下降法各种变体优化算法和现阶段主流数据增强方法对应的优缺点,最后对训练时的优化问题提出组合使用AdaMod和AdamW的训练优化方案,提高了训练网络收敛效率.针对深度神经网络性能表现比较依赖于数据集从而导致泛化能力差的问题,该文使用基于线性插值的数据增强方案,对类别不同的样本之间的领域关系进行建模,增强了神经网络的健壮性.在VOC07+12数据集上实验结果表明EfficientDet-dO检测算法模型参数量、浮点计算量、精度和泛化性能比较均衡,泛化能力得到增强,训练过程收敛更快,验证了该文提出的训练优化方案和使用的数据增强方法是有效的.

关键词：深度学习;计算机视觉;目标检测;卷积神经网络;优化算法

所属期刊栏目：44

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目11601115

在线出版日期：2021-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：900-908