期刊专题

10.11896/jsjkx.200400090

一种新颖的单目视觉深度学习算法:H_SFPN

引用
针对单目视觉目标检测,提出了一种基于single-stage深度学习的H_SFPN算法.该算法与现有的YOLOv3和Cen-terNet算法相比,在保证实时性能的条件下,可有效提高小目标检测的准确度.首先设计了一种新的网络架构(backbone),这种架构通过改进的沙漏(Hourglass)网络模型来提取特征图,以便充分利用底层特征的高分辨率以及高层特征的高语义信息.然后在特征图融合阶段提出了基于SFPN的特征图加权融合方法.最后,H_SFPN算法对目标位置和大小的损失函数进行了改进,可有效降低训练误差,并加快收敛速度.由MSCOCO数据集上的实验结果可知,所提H_SFPN算法明显优于Faster-RCNN,YOLOv3以及EfficientDet等现有的主流深度学习目标检测算法,其中对小目标的检测指标AP s最高,达到了32.7.

深度卷积神经网络、目标检测、加权融合、网络架构、损失函数

48

TP391.41;TN219(计算技术、计算机技术)

安徽省发改委重大研发项目

2021-04-19(万方平台首次上网日期,不代表论文的发表时间)

共8页

130-137

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

48

2021,48(4)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn