基于优化预测定位的单阶段目标检测算法

• 作者: 张娜 戚旭磊 包晓安 吴彪 涂小妹 金瑜婷
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 目标检测 单阶段多边框检测算法 特征融合 非极大值抑制 定位置信度
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 计算机技术、信息工程|Computer Technology, Information Engineering
• 页码范围: 783-794
• 页数: 12页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2022.04.018

摘要

针对单阶段多边框检测(SSD)算法中存在目标定位不准确和小目标检测精度不高的问题,提出基于优化预测定位的单阶段目标检测算法EL-SSD.通过双向加权特征金字塔将原SSD预测特征图特征融合,对输出特征图进行特征位置信息解码后进行特征通道权重再分配,提升了特征语义信息,捕获了跨通道位置信息.通过构建分类置信度及额外的定位置信度级联聚类对预测框进行非极大值抑制,提高在检测阶段对选择目标的定位精度.实验结果表明,EL-SSD算法在PASCAL VOC2007上的平均检测均值达到79.8％,比原SSD算法提高了2.6％.在COCO数据集上的精度达到29.4％,比原SSD算法提高了3.5％,在检测图片上的目标定位效果及小目标检测效果明显优于SSD,适用于需要高定位性能的实时应用场景.