基于改进群组归一化的目标检测与实例分割

摘要：

训练卷积神经网络,尤其是在使用ImageNet这种大规模数据集进行深层卷积神经网络训练时,往往需要投入几天甚至几个月的时间.为了加快神经网络的迭代收敛速度,通常需要使用批量归一化算法对训练网络的输入输出分布进行统一调整.本工作结合实例归一化方法对群组归一化进行了改进,并将改进后的该方法结合Faster R-CNN和Mask R-CNN进行了目标检测与实例分割实践.

关键词：卷积神经网络、归一化、目标检测、实例分割

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：国家留学基金委项目201608370049;国家自然科学基金项目61171131;山东省重点研发计划项目YD01033

在线出版日期：2019-12-26（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：99-105