基于难分样本挖掘的快速区域卷积神经网络目标检测研究

• 作者: 冯定忠 吴光华 张烨 蒋美仙 许艇
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 多目标检测 在线样本挖掘 负难分样本挖掘 深度学习 非极大值抑制
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 论文
• 页码范围: 1496-1502
• 页数: 7页
• 分类号: TP391.41
• 字数: 5065字
• 语种: 中文
• DOI: 10.11999/JEIT180702

摘要

针对经典的快速区域卷积神经网络(Faster RCNN)训练过程存在太多难训练样本、召回率低等问题,该文采用一种基于在线难分样本挖掘技术(OHEM)与负难分样本挖掘(HNEM)技术相结合的方法,通过训练中实时筛选的最大损失值难分样本进行误差传递,解决了模型对难分样本检测率低问题,提高模型训练效率;为更好地提高模型的召回率和模型的泛化性,该文改进了非极大值抑制(NMS)算法,设置了置信度阈值罚函数,又引入多尺度、数据增强等训练方法.最后通过比较改进前后的结果,经敏感性实验分析表明,该算法在VOC2007数据集上取得了较好效果,平均精度均值从69.9％提升到了74.40％,在VOC2012上从70.4％提升到79.3％,验证了该算法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋美仙	浙江工业大学机械工程学院	29	447	9.0	20.0
2	冯定忠	浙江工业大学机械工程学院	43	390	11.0	18.0
3	张烨	浙江工业大学机械工程学院	9	214	4.0	9.0
4	许艇	浙江工业大学机械工程学院	2	1	1.0	1.0
5	吴光华	浙江工业大学机械工程学院	3	14	1.0	3.0