Mask R-CNN中特征不平衡问题的全局信息融合方法

• 作者: 文韬 周稻祥 李明
• 来源期刊: 计算机工程
• 关键词: 特征不平衡 全局特征金字塔网络 语义信息 MaskR-CNN方法 深度学习
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 256-260,268
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0056469

摘要

特征不平衡问题是影响神经网络检测效率的关键因素.针对Mask R-CNN中的特征不平衡问题,提出一种基于全局特征金字塔网络(GFPN)的信息融合方法.通过将GFPN产生的不同大小特征相融合,生成包含全局语义信息的特征网络,并采用反向过程对原始特征层进行重新标度,从而使得每个特征层均含有全局语义信息.实验结果表明,与原始基于Mask R-CNN的方法相比,该方法的检测精度提升4～6个百分点,而检测时间仅增加0.112 s.