典型文献
基于CNN和Transformer混合融合骨干的改进型DETR目标检测方法研究
文献摘要：
在目标检测感知任务中,基于Detection Transformer(DETR)的无锚框方法由于不需要复杂的非极大值抑制后处理操作从而受到了广泛的关注.针对DETR使用的残差网络(Residual Network,ResNet)骨干在全局信息提取能力上的不足,文章提出一种基于卷积神经网络(Convolutional Neural Network,CNN)和Transformer混合融合骨干的改进型DETR目标检测方法.模型骨干网络基于Swin Transformer改进,在层级结构上并联多个ConvNext块,完成对局部信息和全局信息特征的融合提取,图像特征与可学习的目标查询进行交叉注意力生成预测框.在COCO2017测试集结果证明,改进型DETR方法能够更有效地融合特征,在平均AP上较ResNet50骨干网络AP提升1.6％,在FPS上较ResNet50骨干网络提升10.7％.
文献关键词：
目标检测;混合融合;transformer;CNN
中图分类号：
作者姓名：
金祖亮
作者机构：
重庆交通大学,重庆 400074
文献出处：
引用格式：
[1]金祖亮-.基于CNN和Transformer混合融合骨干的改进型DETR目标检测方法研究)[J].无线互联科技,2022(23):109-112
A类：
ConvNext
B类：
Transformer,混合融合,改进型,DETR,目标检测方法,感知任务,Detection,无锚框方法,非极大值抑制,残差网络,Residual,Network,全局信息,信息提取,Convolutional,Neural,骨干网络,Swin,层级结构,对局,局部信息,信息特征,图像特征,可学,交叉注意力,COCO2017,测试集,集结,融合特征,AP,ResNet50,FPS,transformer
AB值：
0.416888
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。
