面向多尺度目标检测的改进Faster R-CNN算法

• 作者: 付陈平 李晓光 李晓莉 王章辉
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 目标检测 多尺度学习 深度学习 卷积神经网络
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 图像与视觉
• 页码范围: 1095-1101
• 页数: 7页
• 分类号: TP391.41
• 字数: 6189字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2019.17283

摘要

由于多尺度目标检测中图像目标尺度差异性大,基于单层次特征提取的目标检测算法或者导致小目标特征提取丢失、扭曲,或者导致大目标特征提取冗余度过高,检测效果不理想.为此,基于Faster R-CNN思想,提出一种多尺度目标检测算法.首先采用多层次提取特征策略提取多尺度目标特征;然后统计目标真实框大小与纵横比,设置锚点规格;最后采用多通道方法生成多尺度目标候选框.基于PASCAL VOC数据集的实验结果表明,该算法总体漏检率为9.7％,平均精度的均值为75.2％,检测性能较当前主流的多尺度目标检测算法有一定的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晓光	辽宁大学信息学院	36	139	7.0	11.0
2	李晓莉	辽宁大学信息学院	4	6	1.0	2.0
3	付陈平	辽宁大学信息学院	2	7	2.0	2.0
4	王章辉	辽宁大学信息学院	1	5	1.0	1.0