典型文献
基于优化预测定位的单阶段目标检测算法
文献摘要：
针对单阶段多边框检测(SSD)算法中存在目标定位不准确和小目标检测精度不高的问题,提出基于优化预测定位的单阶段目标检测算法EL-SSD.通过双向加权特征金字塔将原SSD预测特征图特征融合,对输出特征图进行特征位置信息解码后进行特征通道权重再分配,提升了特征语义信息,捕获了跨通道位置信息.通过构建分类置信度及额外的定位置信度级联聚类对预测框进行非极大值抑制,提高在检测阶段对选择目标的定位精度.实验结果表明,EL-SSD算法在PASCAL VOC2007上的平均检测均值达到79.8％,比原SSD算法提高了2.6％.在COCO数据集上的精度达到29.4％,比原SSD算法提高了3.5％,在检测图片上的目标定位效果及小目标检测效果明显优于SSD,适用于需要高定位性能的实时应用场景.
文献关键词：
目标检测;单阶段多边框检测算法;特征融合;非极大值抑制;定位置信度
中图分类号：
作者姓名：
张娜;戚旭磊;包晓安;吴彪;涂小妹;金瑜婷
作者机构：
浙江理工大学 信息学院,浙江 杭州 310018;浙江广厦建设职业技术大学 信息学院,浙江 东阳 322100
文献出处：
引用格式：
[1]张娜;戚旭磊;包晓安;吴彪;涂小妹;金瑜婷-.基于优化预测定位的单阶段目标检测算法)[J].浙江大学学报（工学版）,2022(04):783-794
A类：
单阶段多边框检测算法
B类：
单阶段目标检测算法,SSD,目标定位,小目标检测,检测精度,EL,特征金字塔,特征图,特征融合,位置信息,信息解码,再分配,语义信息,跨通道,定位置信度,非极大值抑制,定位精度,PASCAL,VOC2007,COCO,定位效果,检测效果,定位性能
AB值：
0.27483
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
