10.19665/j.issn1001-2400.2021.03.011
目标检测的多尺度定位提升算法
对于目标检测任务,深度神经网络模型中的一阶段网络结构存在两个问题.首先,网络结构中的锚框超参数设计的合适与否将影响整个网络的训练结果;其次,较大的降采样因子会影响目标的定位能力.针对这两个问题,提出了多尺度定位提升网络模型.重新设计了一阶段网络模型结构,并且提出了更好的锚框超参数选择方案,它在保证一阶段网络效率的同时,定位精度比之前的一阶段网络模型更好.大量实验表明,多尺度定位提升算法在保证实时性的同时实现了更高的定位精度,在公开数据集(Pascal VOC 2007)上实现了82.5％的平均准确率.
神经网络、多尺度定位、目标检测、卷积神经网络
48
TN957.52
国家重点研发计划2017YFC1404900
2021-07-13（万方平台首次上网日期，不代表论文的发表时间）
共6页
85-90
