基于正负锚点框均衡及特征对齐的单阶段目标检测算法

摘要：

针对正负例锚点框不均衡将降低基于锚点框的单阶段目标检测算法的检测精度的问题,提出一种包含锚点框提升模块和特征对齐模块来均衡正负例锚点框的算法.首先在锚点框提升模块中预测各个锚点框为正例的可能性,并粗略调整初始锚点框的位置和尺寸;然后在特征对齐模块中为调整后的锚点框提取预测所需的对齐特征;最后检测网络借助锚点框提升模块输出信息,从调整后的锚点框中识别出简单负例锚点框,并在训练阶段忽略其梯度.将文中算法应用于以VGG-16和ResNet-101为特征提取网络的编解码架构中,在目标检测数据集MS COCO和PASCAL VOC上进行实验,结果表明,该算法能够显著改善不均衡问题,提高单阶段目标检测算法的检测精度(MS COCO和PASCAL VOC上的精度分别为42.8％和82.7％),并维持28.6帧/s的实时运行速度.

关键词：卷积神经网络、单阶段目标检测、锚点框正负例不均衡、锚点框提升模块、特征对齐模块

所属期刊栏目：32

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划科技创新2030—"新一代人工智能"重大项目;空间智能控制技术实验室开放基金;中国科学院计算技术研究所创新课题

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1773-1783