基于CenterNet目标检测算法的改进模型

摘要：

在原CenterNet算法中,以Hourglass为Backbone的目标检测模型平均精度均值高于one-stage算法,但检测速度较低.为此,基于原有CenterNet目标检测算法,对Hourglass-104模型进行改进,设计一种Hourglass-208模型,并给出双特征金字塔网络特征图融合方法.在此基础上对目标大小和训练采用smooth L1损失函数,提出一种新的可端到端训练的目标检测算法T CenterNet.在MS COCO数据集上的实验结果表明,该算法目标检测的评估指标APs0、APs、APM分别为63.6％、31.6％、45.8％,检测速度达到36 frame/s,综合性能优于原CenterNet算法.

关键词：深度学习;目标检测;Anchor-free方法;关键点;锚框

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：安徽省发改委重大研发项目"面向智能网联汽车的全线控底盘开发及测试验证

在线出版日期：2021-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：240-251