基于卷积特征融合的通用目标检测方法

• 作者: 潘秋羽 王伟 王明明 王道顺
• 来源期刊: 计算机应用研究
• 关键词: 卷积神经网络 特征融合 特征复用 特征相关性 目标检测
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3492-3495
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.05.0241

摘要

针对现有目标检测算法在检测时易受到图像尺度变化、目标间遮挡或截断等因素影响的问题,对卷积神经网络(convolutional neural network,CNN)中不同层次的特征进行了研究,提出了一种融合深度网络卷积特征的目标检测算法.算法采用多阶段的特征复用和特征融合减少特征间相关性的损失,最终在PASCAL VOC 2007测试数据集上mAP(mean average precison,平均精度均值)值达到了84.21％;与未使用特征融合方法以及使用传统特征融合的方法相比,提出的方法将mAP分别提高了4.41％和2.71％.