10.3772/j.issn.1002-0470.2021.05.004
基于改进Faster RCNN的目标检测方法
针对基于区域的目标检测算法中定位精度不高的问题,本文提出了一种分裂机制的改进Faster RCNN算法.该算法首先选择特征提取能力强的卷积神经网络(CNN)作为骨干网络进行特征的提取;然后通过12种不同Anchors产生候选目标区,以进一步提升检测的精确度;最后将得到的特征分别传送到两个子网络,分别实现分类与定位.分类网络以全连接结构为基础,定位网络则主要由卷积神经网络构成.本文在Pascal VOC2007和Pascal VOC2012以及吸尘袋图像集上对算法的有效性进行了验证.结果 表明,提出的算法在对目标进行有效检测的同时,定位效果比Faster RCNN更加精确,实现了边界框的精准回归.
目标检测、卷积神经网络(CNN)、定位精度、改进Faster RCNN、分裂机制
31
TP391.41;TN915.63;TS207.3
国家自然科学基金;浙江省科技计划;浙江省基础公益研究计划资助项目
2021-06-23（万方平台首次上网日期，不代表论文的发表时间）
共11页
489-499
