基于单线程的无锚点目标检测模型

摘要：

为避免锚点对目标检测模型的鲁棒性造成负面影响,并保证在无锚点情况下模型具有较高的准确度,提出一种单线程无锚点全卷积网络模型.通过取消预设锚点参数以及像素级别预测,使得模型在无锚点情况下检测目标时具有更高的鲁棒性.使用沙漏骨干网络取代特征金字塔模块,从而降低锚点与特征金字塔模块的冗余以及计算量,使整体模型结构更加精简.实验结果表明,与经典锚点Retinanet模型相比,该模型利用正例区域原则与中心偏离支路显著提高了预测能力,并且具有更高的正负标签比例和更快的推理速度.

关键词：目标检测、无锚点网络、单线程、模型鲁棒性、像素级预测

所属期刊栏目：47

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金"大容量高安全的加密域图像可逆水印算法研究"61501465

在线出版日期：2021-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：229-235,243