基于跳跃连接金字塔模型的小目标检测
随着深度学习的发展,目标检测已经获得了较高的精度和效率.但是小目标的检测仍然是一个挑战.小目标检测准确率较低的重要原因是没有充分利用高层特征的语义信息和低层特征的细节信息之间的关系.针对上述问题,本文提出一种基于跳跃连接金字塔模型的小目标检测方法.与其他的目标检测方法不同,本文提出利用跳跃连接金字塔结构来融合多层高层语义特征信息和低层特征图的细节信息.而且为了更好地提取不同尺度物体对应的特征信息,在网络模型中采用不同大小的卷积核和不同步长的空洞卷积来提取全局特征信息.在PASCAL VOC和MS COCO数据集上进行了实验,验证了算法的有效性.
跳跃连接金字塔、全局感受野、目标检测、深度学习、特征提取、卷积神经网络、空洞卷积、图像处理
14
TP183(自动化基础理论)
国家自然科学基金项目;北京市自然科学基金项目
2020-03-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
1144-1151