典型文献
基于语义采样和检测框优化的目标检测算法
文献摘要：
样本采样和检测框优化是目标检测任务中的两项重要技术。为了解决正负样本分配不合理的问题，获取更优的图像分类特征和检测框，提出一个精确且高效的单阶无锚框目标检测算法，算法由基于语义的定位、自适应特征增强和高效的检测框优化3个模块组成。首先，定位模块提出基于语义的样本采样方法，根据目标的语义特征区分前/背景区域，合理选择正样本和负样本，优先选择语义信息量较大的前景区域作为正样本；其次，特征增强模块利用目标语义概率图和检测框偏移逐像素调整图像分类特征，增大前景特征所占比重，根据目标大小自适应调整特征编码范围；最后，采用并联的方式优化检测框，对优化前后的检测框计算分类损失，几乎无成本地提升了定位性能，保证了特征对齐性和一致性。在MS COCO数据集下，提出的目标检测算法取得了平均精度为42.8% 的检测精度，单张图像的检测时间达到78 ms，实现了检测精度与速度的平衡。
文献关键词：
机器视觉;目标检测;正负样本采样;检测框优化;特征增强
中图分类号：
作者姓名：
李昱;盖绍彦;达飞鹏;洪濡
作者机构：
东南大学自动化学院，江苏 南京 210096;东南大学复杂工程系统测量与控制教育部重点实验室，江苏 南京 210096;东南大学深圳研究院，广东 深圳 518063
文献出处：
引用格式：
[1]李昱;盖绍彦;达飞鹏;洪濡-.基于语义采样和检测框优化的目标检测算法)[J].激光与光电子学进展,2022(18):1815015
A类：
检测框优化,自适应特征增强,正负样本采样
B类：
目标检测算法,图像分类,分类特征,无锚框目标检测,定位模块,采样方法,语义特征,特征区,背景区域,优先选择,语义信息,信息量,前景区域,特征增强模块,目标语义,概率图,像素,自适应调整,特征编码,方式优化,优化检测,无成,定位性能,特征对齐,齐性,COCO,检测精度,单张,检测时间,ms,机器视觉
AB值：
0.357331
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。
