隔级融合特征金字塔与CornerNet相结合的小目标检测
为弥补CornerNet中小目标语义信息弱的缺陷,提出隔级融合特征金字塔的方法,提高小目标平均准确率.对骨干网络后半部分融合后的4个特征图进行提取,将尺寸较小的特征图进行2次卷积,得到2个新的特征图;运用上下融合、隔级融合和旁路连接的思想,生成融合后的特征图并将其组成特征金字塔.将改进后的算法与当前主流CornerNet、Faster RCNN、RetinaNet算法在MS COCO数据集上进行比较,结果表明,改进后算法在对小目标进行检测时,小目标平均准确率有较大提高.隔级融合特征金字塔在CornerNet上能有效融合高低层特征图,使融合后的特征图有较强的语义信息,提高CornerNet网络的小目标平均准确率.
CornerNet、小目标检测、卷积、特征图、隔级融合、上下融合、旁路连接、特征金字塔
16
TP391(计算技术、计算机技术)
国家自然科学基金;中央高校基本科研业务费专项面上项目
2021-06-15(万方平台首次上网日期,不代表论文的发表时间)
共9页
108-116