多尺度特征图融合的目标检测

• 作者: 刘万军 姜文涛 张晟翀 张驰
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 计算机视觉 深度学习 卷积神经网络 目标检测 多尺度特征图
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 图像分析和识别
• 页码范围: 1918-1931
• 页数: 14页
• 分类号: TP391
• 字数: 9931字
• 语种: 中文

摘要

目的 自然场景图像中,特征提取的质量好坏是决定目标检测性能高低的关键因素.大多数检测算法都是利用卷积神经网络(CNN)强大的学习能力来获得目标的先验知识,并根据这些知识进行目标检测.卷积神经网络的低层次特征缺乏特征的代表性,而高层次的特征则对小尺度目标的监测能力弱.方法 利用原始SSD(single shot multiBox detector)网络提取特征图,通过1×1卷积层将提取的特征图统一为256维;通过反卷积操作增加自顶向下特征图的空间分辨率;通过对应元素相加的操作,将两个方向的特征图进行融合.将融合后的特征图采用3×3的卷积核进行卷积操作,减小特征图融合后的混叠效应.根据以上步骤构建具有较强语义信息的特征图,同时保留原有特征图的细节信息;对预测框进行聚合,利用非极大抑制(NMS)实现最终的检测效果.结果 在PASCALVOC 2007和PASCAL VOC 2012数据集上进行实验测试,该模型的mAP(mean average precision)为78.9％和76.7％,相对于经典的SSD算法,分别提高了1.4％和0.9％;此外,本文方法在检测小尺度目标时相较于经典SSD模型mAP提升了8.3％.结论 提出了一种多尺度特征图融合的目标检测算法,以自顶向下的方式扩展了语义信息,构造了高强度语义特征图用于实现精确目标检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘万军	辽宁工程技术大学软件学院	181	1681	19.0	33.0
2	姜文涛	辽宁工程技术大学软件学院	23	127	6.0	10.0
3	张驰	辽宁工程技术大学研究生院	4	2	1.0	1.0
4	张晟翀		4	11	2.0	3.0