典型文献
基于改进Faster R-CNN的小目标检测与识别
文献摘要：
针对原始的 Faster R-CNN 算法存在的网络退化以及对小目标物体检测效果不佳的情况，本文提出了一种基于Faster R-CNN 算法的改进型算法。使用残差 ResNet50 网络取代 VGG16 网络来解决网络退化问题。针对经典 NMS 方法存在的直接删除冗余候选框的问题，使用Soft-NMS方法进行替换，减少重叠物体漏检的情况。根据小目标物体的定义，新增两个锚点，重新设置了长宽比，对数据集前处理后使用多尺度训练方法，降低小目标物体的漏检率和误检率。根据实验结果表明，本文改进后的算法精度达到了96.4%，对比原始算法精度提高了8.3%，可以满足对重叠、密集等情况下的小目标物体的识别与检测。
文献关键词：
目标检测;Faster;R-CNN;ResNet50;Soft-NMS;计算机视觉
中图分类号：
作者姓名：
盖美辰;王文清;刘斌;杨一
作者机构：
中国矿业大学（北京机电与信息工程学院;北京工业职业技术学院;国家能源集团宁夏煤业有限责任公司羊场湾煤矿
文献出处：
引用格式：
[1]盖美辰;王文清;刘斌;杨一-.基于改进Faster R-CNN的小目标检测与识别)[J].计算机产品与流通,2022(12):3-5
A类：
B类：
Faster,小目标检测,目标检测与识别,物体检测,检测效果,改进型,ResNet50,VGG16,NMS,删除,候选框,Soft,锚点,长宽比,前处理,多尺度训练,训练方法,漏检率,误检率,计算机视觉
AB值：
0.336917
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。
