-
题名改进型FCOS目标检测算法
被引量：1
- 1
-
-
作者
陈金令
程茂凯
徐紫涵
-
机构
西南石油大学电气信息学院
-
出处
《计算机科学》
CSCD
北大核心
2022年第S02期467-472,共6页
-
基金
四川省重点研发计划(重大科技专项)(2022YFS0020)
南充市市校科技战略合作专项(22SXQT0292)
-
文摘
针对经典无锚框目标检测算法FCOS(Fully Constitutional One-Stage Object Detection)难以充分提取目标特征,位置与内容信息结合能力不足,正负样本区分不充分导致性能减弱等问题,提出了一种改进型FCOS目标检测算法。该方法首先在ResNet50特征提取网络中加入可变形卷积模块与全局注意力模块,提高特征信息捕获能力;然后,将FPN特征金字塔与深层链路层相结合,构成多尺度特征融合模块,提升特征提取效果。最后,加入自适应划分正负样本模块,增强检验框的准确性以达到提高回归精度的效果,从而提升检测结果。为了测试算法的检测效果,分别使用了COCO数据集与VOC数据集进行实验。与原FCOS算法相比,所提算法在两个数据集上的平均精度分别提高了2.3%和1.8%,其中,对COCO数据集中的小目标检测的效果有明显提升。
-
关键词
目标检测
可变形卷积
全局注意力
多尺度特征
特征金字塔
正负样本
-
Keywords
Target detection
Deformable convolution
Global attention
Multi-scale features
Feature pyramid
Positive and negative samples
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
