10.16208/j.issn1000-7024.2022.05.019
基于CNN级联特征增强的通用目标检测方法
为解决传统链式特征融合只针对单一方向缺失的语义信息进行弥补,忽略语义信息来源多方向性的问题,提出一种对图像特征空间进行全局建模的方法.根据各个层级特征图对原始信息的多维度描述,设计特征增强模块(feature enhancement module,FEM),从多个方向弥补级联特征缺失的语义,达到增强CNN级联特征表达力的目的.经实验验证,FEM的使用在PASCAL VOC 2007测试数据集上达到了85.0%的平均精度均值(mean average precision,mAP),与依赖传统融合方式的检测算法相比最高提高了2.3%.
目标检测、全局特征、通道建模、特征增强、卷积神经网络
43
TP391.4(计算技术、计算机技术)
2022-05-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
1344-1350