《计算机应用研究》|Application Research of Computers

基于卷积特征建模的目标检测方法

Object detection based on convolutional feature modeling

免费全文下载 (已被下载 次)  
获取PDF全文
作者 潘秋羽,王伟,王明明,王道顺
机构 西安工程大学 计算机科学学院;清华大学 计算机科学与技术系
统计 摘要被查看 次,已被下载
摘要 现有依赖CNN的目标检测算法常采用特征融合的建模方式来丰富特征表达,虽然该方法一定程度上能有效改善多尺度目标检测,但是在针对复杂场景进行检测时却没有显著的提升。这主要受限于三个问题的影响,1)长路径特征融合造成的特征间相关性损失;2)仅设计了单方向的融合连接,忽略了反方向的语义信息弥补;3)忽略了有效感受野(ERF,Effective Receptive Field)在多尺度检测中的重要性。文章针对这三点分别设计了二次融合结构(DFS,Double Fusion Structure)、多分支融合模块(MBFM,Multi Branch Fusion Module)和感受野增强模块(RFEM,Receptive Field Enhance Module)。本文方法利用DFS缩短特征层级间的相对路径,然后通过MBFM来同时弥补上层和下层的语义信息缺失,并使用RFEM建模特征通道,增大ERF区域。最终模型在PASCAL VOC 2007测试数据集上达到了85.4%的mAP(mean Average Precision,平均精度均值),与依赖传统建模方式的检测算法相比,文章提出的方法提高了2.6%。
关键词 目标检测;特征相关性;多分支融合;有效感受野;卷积神经网络
基金项目 国家自然科学基金资助项目(61601358)(61972225)(61902164)
陕西省教育厅专项科研计划资助项目(15JK1317)
国家新闻出版广电总局数字内容防伪与安全取证重点实验室
本文URL http://www.arocmag.com/article/02-2021-02-062.html
收稿日期
修回日期
页码 -
中图分类号 TP391.04
文献标志码