典型文献
基于CNN级联特征增强的通用目标检测方法
文献摘要：
为解决传统链式特征融合只针对单一方向缺失的语义信息进行弥补,忽略语义信息来源多方向性的问题,提出一种对图像特征空间进行全局建模的方法.根据各个层级特征图对原始信息的多维度描述,设计特征增强模块(feature enhancement module,FEM),从多个方向弥补级联特征缺失的语义,达到增强CNN级联特征表达力的目的.经实验验证,FEM的使用在PASCAL VOC 2007测试数据集上达到了85.0％的平均精度均值(mean average precision,mAP),与依赖传统融合方式的检测算法相比最高提高了2.3％.
文献关键词：
目标检测;全局特征;通道建模;特征增强;卷积神经网络
中图分类号：
作者姓名：
张业星;陈敏;潘秋羽
作者机构：
中国电建集团华东勘测设计研究院有限公司 浙江华东工程数字技术有限公司,浙江 杭州 310000
文献出处：
引用格式：
[1]张业星;陈敏;潘秋羽-.基于CNN级联特征增强的通用目标检测方法)[J].计算机工程与设计,2022(05):1344-1350
A类：
B类：
目标检测方法,特征融合,语义信息,略语,信息来源,多方向,方向性,图像特征,特征空间,层级特征,特征图,设计特征,特征增强模块,feature,enhancement,module,FEM,特征缺失,特征表达,表达力,PASCAL,VOC,测试数据,上达,平均精度均值,mean,average,precision,mAP,融合方式,检测算法,全局特征,通道建模
AB值：
0.581682
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。
