基于自适配归一化的改进Mask Scoring R-CNN

• 作者: 张幸 王旭 赵文仓
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 自适配归一化 批量归一化 目标检测 实例分割
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 93-98
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1903802

摘要

基于批量归一化的mask scoring R-CNN在目标检测与实例分割领域展现出卓越性能,其平均精度明显高于传统实例分割模型Mask R-CNN.但是由于批量归一化方法存在小批量精度骤降和大批量GPU内存溢出的缺陷,影响到实际应用中的检测与分割任务效果.自适配归一化方法对各批量大小都有极佳的鲁棒性,可以弥补上述不足.从数学角度给出了减少自适配归一化中计算冗余的证明,并将其应用于mask scoring R-CNN,小批量条件下在COCO数据集内将检测精度提升了4.4％,分割精度提升了3.9％,进一步提升了模型性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵文仓		24	95	5.0	9.0
2	王旭		17	6	1.0	1.0
3	张幸		2	0	0.0	0.0