基于双向FPN与改进NMS算法的目标检测器

• 作者: 党政
• 来源期刊: 信息与电脑
• 关键词: 深度学习 目标检测 SSD
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 算法语言
• 页码范围: 43-45
• 页数: 3页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2021.09.014

摘要

在基于卷积神经网络的目标检测器中,FPN (Feature Pyramid Networks)结构常用于平衡网络中不同深度特征图的信息.在目标检测的后处理过程中,NMS (Non-Maximum Suppression)算法常用于去除冗余的边界框.笔者对常规的FPN结构与NMS算法进行改进,提出一种双向的FPN结构与改进的NMS算法.双向FPN结构添加了自底向上的分支,改进的NMS算法利用被去除的边界框对所保留边界框的位置形状进行微调.基于SSD (Single Shot MultiBox Dector)目标检测器,PASCAL VOC数据集上的实验结果表明了双向FPN与改进的NMS算法能够有效提升目标检测性能.