高效检测复杂场景的快速金字塔网络SPNet

• 作者: 张轩雄 李鑫泽 陈胜
• 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 复杂目标检测 one-stage网络 光流法
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 图像理解和计算机视觉
• 页码范围: 977-992
• 页数: 16页
• 分类号: TP391.4
• 字数: 10976字
• 语种: 中文

摘要

目的 针对现今主流one-stage网络框架在检测高帧率视频中的复杂目标场景时,无法兼顾检测精度和检测效率的问题,本文改进one-stage网络架构,并使用光流跟踪特征图,提出一种高效检测复杂场景的快速金字塔网络(snap pyramid network,SPNet).方法 调查特征提取网络以及金字塔网络内部,实现特征矩阵及卷积结构完全可视化,找到one-stage网络模型有效提升检测小目标以及密集目标的关键因素;构建复杂场景检测网络SPNet,由骨干网络(MainNet)内置子网络跟踪器(TrackNet).在MainNet部分,设计特征权重控制(feature weight control,FWC)模块,改进基本单元(basic block),并设计MainNet的核心网络(BackBone)与特征金字塔网络(feature pyramidnetwork,FPN)架构结合的多尺度金字塔结构,有效提升视频关键帧中存在的小而密集目标的检测精度和鲁棒性;在TrackNet部分,内置光流跟踪器到BackBone,使用高精度的光流矢量映射BackBone卷积出的特征图,代替传统的特征全卷积网络架构,有效提升检测效率.结果 SPNet能够兼顾小目标、密集目标的检测性能,在目标检测数据集MS COCO(Microsoft common objects in context)和PASCAL VOC上的平均精度为52.8％和75.96％,在MSCOCO上的小目标平均精度为13.9％;在目标跟踪数据集VOT(visual object tracking)上的平均精度为42.1％,检测速度提高到50～70帧/s.结论 本文快速金字塔结构目标检测框架,重构了one-stage检测网络的结构,利用光流充分复用卷积特征信息,侧重于复杂场景的检测能力与视频流的检测效率,实现了精度与速度的良好平衡.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈胜	上海理工大学光电信息与计算机工程学院	14	62	4.0	7.0
2	张轩雄	上海理工大学光电信息与计算机工程学院	22	55	5.0	6.0
3	李鑫泽	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0