基于软标签和样本权重优化的Anchor Free目标检测算法
与Anchor Based目标检测算法类似,基于特征点的Anchor Free目标检测算法也面临着在正负样本划分中存在模糊样本的问题,即根据特定阈值和特征点位置划分非正即负的训练样本,网络在对特征点位置处在临界值附近的样本进行训练时会产生较大的损失,使得网络将注意力过于集中在这些模糊样本上,降低了网络的整体检测性能.针对此情况,提出从软标签、损失函数和权重优化3个方面对基于特征点的Anchor Free目标检测算法进行改进,通过充分利用Center Ness参数来缓解模糊样本对网络性能的影响,提高目标检测的准确率.为证明所提方法的有效性,分别在经典的Pascal VOC数据集和M S CO-CO数据集上使用FCOS目标检测器进行对比实验,最终将检测器在Pascal VOC数据集上的mA P提升至82.16%(提升约1.31%),在M S COCO数据集上的A P50-95提升至35.8%(提升约1.3%).
目标检测、模糊样本、Anchor Free、Center Ness、样本权重优化
49
TP183(自动化基础理论)
特色民族文化矢量数字化资源复用与产业创新项目
2022-08-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
157-164