基于全卷积网络的目标检测算法

• 作者: 施泽浩 赵启军
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 目标检测 深度学习 全卷积神经网络 回归 计算机视觉
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 55-58
• 页数: 4页
• 分类号: TP301.6
• 字数: 2258字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.05.013

摘要

目标检测是计算机视觉的一项重要任务,其主要内容是定位图像中出现的目标,并对其进行分类.主流算法普遍基于卷积加全连接的结构,存在模型参数巨大、检测效率低下等问题.而在现实应用中,比如自动驾驶车载系统、智能监控系统中对行人、车辆等目标的检测,往往对目标检测算法的实时性具有较高要求.为此,提出一种基于全卷积神经网络的目标检测算法.网络结构完全采用卷积层实现,不仅用卷积进行特征提取,而且用卷积层进行预测,采用多任务学习,大大提高了检测效率并降低了模型复杂度.相比主流深度学习目标检测算法,如YOLO、Faster RCNN,该算法速度更快,模型参数更少,且保持相当的精度,在PASCAL VOC2007权威目标检测库上的平均准确率(mAP)达到64.5.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施泽浩	四川大学计算机学院视觉合成图形图像技术国防重点实验室	2	14	2.0	2.0
2	赵启军	四川大学计算机学院视觉合成图形图像技术国防重点实验室	11	30	3.0	5.0