典型文献
自适应上下文特征的多尺度目标检测算法
文献摘要：
识别多尺度目标是检测任务中的一项挑战,针对检测中的多尺度问题,提出自适应上下文特征的多尺度目标检测算法.针对不同尺度的目标需要不同大小感受野特征进行识别的问题,构建了一种多感受野特征提取网络,通过多分支并行空洞卷积,从高层语义特征中挖掘标签中的上下文信息;针对不同尺度目标的语义特征出现在不同分辨率特征图中的问题,基于改进的通道注意力机制,提出自适应的特征融合网络,通过学习不同分辨率特征图之间的相关性,在全局语义特征中融合局部位置特征;利用不同尺度的特征图识别不同尺度的物体.在PASCAL VOC数据集上对本文算法进行验证,本文方法的检测精度达到了85.74％,相较于Faster R-CNN检测精度提升约8.7％,相较于基线检测算法YOLOv3+提升约2.06％.
文献关键词：
机器视觉;目标检测;卷积神经网络;通道注意力;并行空洞卷积;多尺度特征融合;上下文特征;深度学习
中图分类号：
作者姓名：
王凤随;陈金刚;王启胜;刘芙蓉
作者机构：
安徽工程大学 电气工程学院,安徽 芜湖 241000;检测技术与节能装置安徽省重点实验室,安徽 芜湖241000;高端装备先进感知与智能控制教育部重点实验室,安徽 芜湖 241000
文献出处：
引用格式：
[1]王凤随;陈金刚;王启胜;刘芙蓉-.自适应上下文特征的多尺度目标检测算法)[J].智能系统学报,2022(02):276-285
A类：
YOLOv3+
B类：
上下文特征,多尺度目标检测,目标检测算法,尺度问题,不同尺度,同大,多感受野特征提取,特征提取网络,多分支,并行空洞卷积,语义特征,上下文信息,特征图,通道注意力机制,特征融合网络,全局语义,位置特征,PASCAL,VOC,检测精度,Faster,精度提升,机器视觉,多尺度特征融合
AB值：
0.255727
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。
