改进RetinaNet的遮挡目标检测算法研究

摘要：

针对目标检测任务中目标实例密集、重叠等因素导致的检测精度不高的问题,提出一种改进回归损失函数与动态非极大值抑制的目标检测框架.采用结合排斥因子Rep的GIoU-Loss进行目标位置回归,在增加回归参数间相关性的同时降低候选边框向邻近真值偏移概率.Rep-GIoU-Loss不仅有效提升目标位置回归精度,对目标遮挡情形也具有较好的鲁棒性.此外,增加稠密度预测分支预测目标被遮挡程度,并将遮挡程度预测值作为NMS方法的动态阈值,以减少漏检、虚检目标实例.实验结果表明,改进方法检测精度在PASCAL VOC2007测试数据集上提高了1.3个百分点,自制数据集可提高2.8个百分点,验证了该方法的有效性.

关键词：目标检测、遮挡、GIoU、RetinaNet、非极大值抑制

所属期刊栏目：58

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划;四川省科技计划项目;四川省科技计划项目

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：209-214