基于浅层定位的动态细化目标检测网络
现有的目标检测框架中,浅层弱分类能力是制约着网络精度进一步提高的关键.对此,提出基于浅层定位信息的动态细化检测网络.该网络在单阶段算法的基础上,通过增加多连接模块来增强浅层特征,同时去除浅层的分类操作以最大程度地保留浅层的定位结果,并将其作为候选框送入深层网络.深层网络通过使用引入自适应因子的感受野模块构建特征金字塔,以获得丰富的语义信息用于对浅层的回归结果进行判别和微调.最后设计基于自注意的可变形卷积头,通过对候选框的偏移来自发进行定位校准,使得网络获得精确的检测结果.在PASCAL VOC和MS COCO数据集上的实验结果表明,所提出的网络结构可以实现优异的检测精度.
目标检测、可变形卷积、感受野、特征金字塔、自适应因子、单阶段算法
38
TP273(自动化技术及设备)
国家自然科学基金62173160
2023-02-10(万方平台首次上网日期,不代表论文的发表时间)
共9页
49-57