基于卷积神经网络的多尺度Logo检测算法

• 作者: 吉立新 李邵梅 江玉朝 高超
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: Logo检测 卷积神经网络 多尺度 区域生成网络 特征融合
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 116-124
• 页数: 9页
• 分类号: TP391
• 字数: 5905字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2020026

摘要

针对自然场景图像中多尺度Logo的检测需求,提出了一种基于卷积神经网络的多尺度Logo检测算法.该算法基于两阶段目标检测的实现思路,通过构建特征金字塔并采取逐层预测的方式实现多尺度候选区域的生成,通过融合卷积神经网络中的多层特征图以增强特征的表达能力.在FlickrLogos-32数据集上的实验结果显示,相比基线方法,所提算法能够提升生成候选区域的召回率,并且在保证大中尺度Logo检测精度的前提下,提升小尺度Logo的检测性能,验证了所提算法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李邵梅		45	204	7.0	12.0
2	吉立新		32	81	5.0	7.0
3	高超		22	27	3.0	3.0
4	江玉朝		2	0	0.0	0.0