基于密集连接的FPN多尺度目标检测算法

• 作者: 张宽 李聪 滕国伟 范涛
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 目标检测 密集连接 感受野 空间分辨率 分类 边界框回归
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 165-171,212
• 页数: 8页
• 分类号: TP391.41
• 字数: 5128字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.01.028

摘要

图像中目标对象的多尺度问题一直以来都是目标检测领域的主要难点之一,尤其是极端尺度对象的检测.研究发现,目标检测网络模型的深层语义特征有利于对象的识别,而浅层空间特征对对象的边界框回归很有帮助.DC-FPN使用密集连接代替FPN网络模型中的横向连接,能够从多层特征层中获取目标检测所需的特征信息,其中密集连接可以融合FPN自底向上传输模块中的所有特征层的特征信息,使FPN自顶向下传输模块的预测特征层能从中获取不同尺度对象检测所需的特征信息.实验表明,DC-FPN目标检测算法能够显著地提升模型的多尺度目标检测性能,使用MS COCO数据集训练和测试,其检测准确度(AP)能达到43.1％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	滕国伟		50	159	7.0	11.0
3	范涛		16	15	2.0	3.0
5	张宽		2	1	1.0	1.0
13	李聪		2	1	1.0	1.0