典型文献
基于特征优化与深层次融合的目标检测算法
文献摘要：
针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD.SCFE模块基于局部空间特征增强和全局通道特征增强机制优化特征层,注重特征层的细节信息;DFPN基于残差空间通道增强模块改进特征金字塔网络,使不同尺度特征层进行深层次特征融合,提升目标检测精度.在训练阶段添加样本加权训练策略,使网络注重训练定位良好的样本和置信度高的样本.实验结果表明,在PASCAL VOC数据集上,所提算法在保证速度的同时检测精度由SSD的77.2％提升至79.7％;在COCO数据集上,所提算法的检测精度由SSD的25.6％提升至30.1％,对小目标的检测精度由SSD的6.8％提升至13.3％.
文献关键词：
目标检测;深层次特征金字塔网络(DFPN);空间通道特征增强(SCFE);样本加权训练;单阶段多边框检测算法(SSD)
中图分类号：
作者姓名：
谢誉;包梓群;张娜;吴彪;涂小妹;包晓安
作者机构：
浙江理工大学计算机科学与技术学院,浙江杭州310018;浙江理工大学理学院,浙江杭州310018;浙江广厦建设职业技术大学建筑工程学院,浙江东阳322100
文献出处：
引用格式：
[1]谢誉;包梓群;张娜;吴彪;涂小妹;包晓安-.基于特征优化与深层次融合的目标检测算法)[J].浙江大学学报（工学版）,2022(12):2403-2415
A类：
单阶段多边框检测算法,SCFE,DFPN,样本加权训练
B类：
特征优化,深层次融合,目标检测算法,SSD,小目标检测,检测误差,通道特征,层次特征,特征金字塔网络,空间特征增强,增强机制,机制优化,细节信息,通道增强,改进特征,不同尺度,尺度特征,层进,特征融合,提升目标,检测精度,训练阶段,训练策略,置信度,PASCAL,VOC,同时检测,COCO
AB值：
0.244807
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。
