金字塔频率特征融合目标检测网络

摘要：

针对深度学习网络在特征提取过程中运用上采样操作而致使细节纹理等高频特征缺失的问题,提出一种金字塔频率特征融合目标检测网络.网络由3个深度学习金字塔网络构成,输入图像经初级金字塔提取深度特征后,分别通过高频、低频增强金字塔形成不同的频率特征,利用特征融合来凸显深度学习网络在信息逐层传递过程中对细节信息的保护能力,提高目标检测能力.通过在分组角点检测网络(CornerNet)算法框架基础上仿真测试,该算法对于目标模糊、目标重叠以及目标与背景反差小的情况,检测效果提升明显.在COCO数据集上的检测结果与CornerNet算法相比,平均精确率(average precision,AP)提高1％以上,尤其对行人、车辆等目标检测性能均有提高,适用于无人驾驶系统与智能机器人等应用场景.

关键词：深度学习、目标检测、金字塔网络、频率特征、特征融合

所属期刊栏目：33

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;辽宁省自然科学基金

在线出版日期：2021-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：207-214