基于深度学习利用特征图加权融合的目标检测方法

• 作者: 任卫东 何欢 刘新焕 张世辉 张健 王红蕾 陈宇翔
• 来源期刊: 计量学报
• 学科: 工学
• 关键词: 计量学 目标检测 视觉测量 深度学习 特征图加权融合 改进的RPN网络
• 年，卷（期）: 2020,（11）
• 页码范围: 1344-1351
• 页数: 8页
• 分类号: TB96
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2020.11.06

摘要

为了提高目标检测的准确性,提出了一种基于深度学习利用特征图加权融合实现目标检测的方法.首先,提出将卷积神经网络中的浅层特征图采样后与最深层特征图进行加权融合的思想;其次,根据所提的特征图加权融合思想以及卷积神经网络的具体结构,制定相应的特征图加权融合方案,并由该方案得到新特征图;然后,提出改进的RPN网络,并将新特征图输入到改进的RPN网络得到区域建议;最后,将新特征图和区域建议输入到后续网络层完成目标检测.实验结果表明所提方法取得了更高的目标检测精度以及更好的目标检测效果.