基于区域生成网络结构的多层特征融合目标检测算法

摘要：

现有深度学习目标检测算法往往只利用了卷积神经网络(convolutional neural network,CNN)提取的深层特征进行判别,对浅层特征利用不足.为了利用浅层的细节信息来提高最终所提取的特征层信息的丰富性,提出了一种基于区域生成网络(region proposal network,RPN)结构的多层特征融合目标检测算法,该算法通过深度卷积网络获取不同层次的特征,并将浅层特征与深层次特征进行融合来获得更加丰富的提取特征,以提升检测模型的性能.以ImageNet上的公开数据voc2007为实验对象,以Faster RCNN为基础的检测框架进行改进,最终改进后的平均精度均值(mean average precision,mAP)相比于Faster RCNN有所提升,表明研究结果提升了目标检测模型的准确度.

关键词：目标检测、特征提取、特征融合、卷积神经网络、特征映射

所属期刊栏目：19

分类号：TP391.41(计算技术、计算机技术)

资助基金：江西省教育厅科技项目GJJ150683;江西理工大学校级重点课题NSFJ2014-K18

在线出版日期：2019-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：213-217