典型文献
全卷积目标检测的改进算法
文献摘要：
基于无锚点的单阶段全卷积目标检测算法(FCOS)无需生成大量的锚点避免了样本不平衡问题,但FCOS可能更适应于某一特定场景.为了增强特征融合,并提高目标检测的准确性,提出了全卷积目标检测算法FCOS的改进算法ConFCOS.该算法设计了一个增强的特征金字塔网络,引入带有全局上下文信息的注意力模块和空洞卷积模块,以减少特征融合过程中的信息衰减.另外,构建了一个级联检测头来检测对象,对检测的边界框进行细化来提高分类和回归的置信度.此外,针对提出的ConFCOS的损失函数进行了优化以提高目标检测的准确率.在COCO数据集上进行的实验表明,ConFCOS的准确度比FCOS提高了1.6个百分点.
文献关键词：
ConFCOS;增强的特征金字塔网络;级联检测;目标检测
中图分类号：
作者姓名：
廖永为;张桂鹏;杨振国;刘文印
作者机构：
广东工业大学 计算机学院,广州 510006;鹏城实验室 网络空间安全研究中心,广东 深圳 518000
文献出处：
引用格式：
[1]廖永为;张桂鹏;杨振国;刘文印-.全卷积目标检测的改进算法)[J].计算机工程与应用,2022(17):158-164
A类：
单阶段全卷积目标检测,ConFCOS,增强的特征金字塔网络
B类：
改进算法,无锚点,目标检测算法,样本不平衡,不平衡问题,应于,特定场景,特征融合,算法设计,全局上下文信息,注意力模块,空洞卷积,卷积模块,级联检测,检测头,边界框,置信度,损失函数,COCO,百分点
AB值：
0.221528
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。
