典型文献
一种融合卷积与transformer的级联包检测方法
文献摘要：
为解决目前包检测算法检测类别单一、准确度较低、复杂目标难以检测等问题,研究了一种融合卷积与transformer的级联包检测方法,CT-CBDet.首先,设计了deformable conformer作为骨干网络进行特征提取,其在transformer与卷积双网络融合的基础上利用可形变卷积和空间金字塔池化模块实现几何特征变换与多尺度特征融合,以强化针对复杂特征的建模能力;然后,提出一种基于anchor统计特征的自适应正负样本选择的区域建议网络,以平衡不同尺度目标样本正负选择的公平性,增强模型的训练稳定性;最后,利用多阶段损失对模型的级联检测组件进行端到端训练.结果表明,该方法相较于基准方法Cascade RCNN平均精度值提高了5.8％,小尺度目标检测精度提高了10.9％.可见CT-CBDet可有效完成复杂场景下的包检测任务.
文献关键词：
包检测;级联架构;特征融合;自适应区域建议网络;deformable conformer
中图分类号：
作者姓名：
罗晓霞;蒋磊;蔡院强
作者机构：
西安科技大学计算机科学与技术学院 西安710054;北京邮电大学网络与交换技术国家重点实验室 北京100876
文献出处：
引用格式：
[1]罗晓霞;蒋磊;蔡院强-.一种融合卷积与transformer的级联包检测方法)[J].电子测量技术,2022(23):91-98
A类：
CBDet,负样本选择,级联架构,自适应区域建议网络
B类：
transformer,包检测,解决目前,检测算法,deformable,conformer,骨干网络,双网络,网络融合,可形变卷积,空间金字塔池化,金字塔池化模块,几何特征,特征变换,多尺度特征融合,复杂特征,建模能力,anchor,统计特征,正负样本,不同尺度,本正,公平性,增强模型,多阶段,级联检测,端到端训练,基准方法,Cascade,RCNN,平均精度值,小尺度目标检测,检测精度,复杂场景
AB值：
0.376448
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。
