Institutional Repository of Coll Comp & Commun
| 一种特征由深到浅叠加融合的多尺度目标检测模型 | |
陈海燕 ; 李春尧
| |
| 2022-10-15 | |
| 发表期刊 | 传感技术学报
 |
| ISSN | 1004-1699 |
| 卷号 | 35期号:10页码:1375-1381 |
| 摘要 | 基于深度学习的特征金字塔网络(Feature Pyramid Networks, FPN)仅采用一次上采样与相邻层特征融合的方法，存在浅层网络与深层网络特征关联性不强，多层网络特征融合不充分的问题，影响多尺度目标检测精度。对此，将主干网络中提取的特征进行由深到浅的叠加融合，并对特征金字塔中得到的特征进行补充叠加融合。此外，为进一步提高检测器对目标特征的识别能力，对每次叠加融合后得到的特征通过non-local网络进行特征增强。以PASCAL VOC为数据集的目标检测实验结果表明，所提目标检测模型对数据集中所有类别目标的平均检测精度(mean Average Precision, mAP)为80.6%,对行人类别的检测精度(Average Precision, AP)为81.3%,较FPN网络分别提高了2.4%和2.8%,有效提高了多尺度目标检测精度。 |
| 关键词 | 深度学习 目标检测 特征融合 多尺度 |
| URL | 查看原文 |
| 收录类别 | 北大核心 ; CSCD |
| 语种 | 中文 |
| 资助项目 | 国家自然科学基金项目(6216010086) |
| 中图分类号 | TP391.41 |
| 引用统计 | |
| 文献类型 | 期刊论文 |
| 条目标识符 | https://ir.lut.edu.cn/handle/2XXMBERH/162853 |
| 专题 | 计算机与通信学院 |
| 作者单位 | 兰州理工大学计算机与通信学院 |
| 第一作者单位 | 计算机与通信学院 |
| 第一作者的第一单位 | 计算机与通信学院 |
| 推荐引用方式 GB/T 7714 | 陈海燕,李春尧. 一种特征由深到浅叠加融合的多尺度目标检测模型[J]. 传感技术学报,2022,35(10):1375-1381. |
| APA | 陈海燕,&李春尧.(2022).一种特征由深到浅叠加融合的多尺度目标检测模型.传感技术学报,35(10),1375-1381. |
| MLA | 陈海燕,et al."一种特征由深到浅叠加融合的多尺度目标检测模型".传感技术学报 35.10(2022):1375-1381. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 查看访问统计 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [陈海燕]的文章 |
| [李春尧]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [陈海燕]的文章 |
| [李春尧]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [陈海燕]的文章 |
| [李春尧]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论