典型文献
基于软标签和样本权重优化的Anchor Free目标检测算法
文献摘要：
与Anchor Based目标检测算法类似,基于特征点的Anchor Free目标检测算法也面临着在正负样本划分中存在模糊样本的问题,即根据特定阈值和特征点位置划分非正即负的训练样本,网络在对特征点位置处在临界值附近的样本进行训练时会产生较大的损失,使得网络将注意力过于集中在这些模糊样本上,降低了网络的整体检测性能.针对此情况,提出从软标签、损失函数和权重优化3个方面对基于特征点的Anchor Free目标检测算法进行改进,通过充分利用Center Ness参数来缓解模糊样本对网络性能的影响,提高目标检测的准确率.为证明所提方法的有效性,分别在经典的Pascal VOC数据集和M S CO-CO数据集上使用FCOS目标检测器进行对比实验,最终将检测器在Pascal VOC数据集上的mA P提升至82.16％(提升约1.31％),在M S COCO数据集上的A P50-95提升至35.8％(提升约1.3％).
文献关键词：
目标检测;模糊样本;Anchor Free;Center Ness;样本权重优化
中图分类号：
作者姓名：
王灿;刘永坚;解庆;马艳春
作者机构：
武汉理工大学计算机科学与技术学院 武汉430070;青海武汉理工大学文化科技融合产业技术研究院 青海海东810600
文献出处：
引用格式：
[1]王灿;刘永坚;解庆;马艳春-.基于软标签和样本权重优化的Anchor Free目标检测算法)[J].计算机科学,2022(08):157-164
A类：
样本权重优化,Ness
B类：
Anchor,Free,目标检测算法,Based,特征点,正负样本,模糊样本,训练样本,检测性能,此情,损失函数,过充,Center,解模糊,网络性能,Pascal,VOC,FCOS,目标检测器,终将,mA,COCO,P50
AB值：
0.254714
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。
