10.3969/j.issn.1002-2279.2019.03.008
基于深度学习的目标检测算法
针对Faster R-CNN算法中候选区域生成子网络与分类回归子网络共享同一个特征提取网络的问题,提出一种改进方法,令两个子网络使用各自独立的特征提取网络,使候选区域特征更少地进入到分类回归网络中,以减少无用功;针对被识别目标尺度不同的问题,提出一种改进的RPN网络,使用三种不同大小的感受野对特征图进行遍历之后,加入一步简单的图像融合技术来获取候选区域,进一步提高了模型对尺度较小的目标的敏感度.通过实验令该算法在VOC 07数据集上接受验证,验证结果表明与传统模型相比,经过改进的模型平均准确率提高了2%.
FasterR-CNN算法、RPN网络、目标识别
40
TP391.4(计算技术、计算机技术)
2017国家自然科学基金61671310;辽宁省教育厅项目L201603
2019-07-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
29-33