典型文献
基于改进Faster RCNN的目标检测算法
文献摘要：
近年来基于深度卷积神经网络的目标检测算法已经成为了主流,Faster R-CNN就是一种主流的目标检测算法.在Faster R-CNN卷积神经网络的基础上,使用DIoU来评价预测框和真实框的距离.针对Faster R-CNN小目标检测效果不好的缺陷,将原算法中的候选区域池化RoI Pooling改进为检测更为精确的区域特征聚集方式RoI Align.此外还改进了原算法中锚框的非极大值抑制方法,增加了算法的平均检测率.最后在公开数据集MS COCO、PASCAL VOC 2007、PASCAL VOC 2012上进行对比训练,在PASCAL VOC 2007测试集上进行验证.实验结果表明改进后的目标检测算法能够有效提高原Faster R-CNN算法的目标检测率.
文献关键词：
目标检测;卷积神经网络;Faster R-CNN算法;深度学习
中图分类号：
作者姓名：
孙顺远;杨镇
作者机构：
江南大学轻工过程先进控制教育部重点实验室 无锡 214122;江南大学物联网工程学院 无锡 214122
文献出处：
引用格式：
[1]孙顺远;杨镇-.基于改进Faster RCNN的目标检测算法)[J].计算机与数字工程,2022(12):2654-2659
A类：
B类：
Faster,RCNN,目标检测算法,深度卷积神经网络,DIoU,评价预测,小目标检测,检测效果,候选区域,池化,RoI,Pooling,区域特征,Align,锚框,非极大值抑制,抑制方法,检测率,公开数据集,COCO,PASCAL,VOC,测试集
AB值：
0.335672
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。
