全卷积目标检测的改进算法

摘要：

基于无锚点的单阶段全卷积目标检测算法(FCOS)无需生成大量的锚点避免了样本不平衡问题,但FCOS可能更适应于某一特定场景.为了增强特征融合,并提高目标检测的准确性,提出了全卷积目标检测算法FCOS的改进算法ConFCOS.该算法设计了一个增强的特征金字塔网络,引入带有全局上下文信息的注意力模块和空洞卷积模块,以减少特征融合过程中的信息衰减.另外,构建了一个级联检测头来检测对象,对检测的边界框进行细化来提高分类和回归的置信度.此外,针对提出的ConFCOS的损失函数进行了优化以提高目标检测的准确率.在COCO数据集上进行的实验表明,ConFCOS的准确度比FCOS提高了1.6个百分点.

关键词：ConFCOS、增强的特征金字塔网络、级联检测、目标检测

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：广州市科技计划项目;广东省科技计划项目;广东创新研究团队项目

在线出版日期：2022-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：158-164