一种基于定位置信度预测的二阶段目标检测方法

作     者：李烨 邹铭 LI Ye;ZOU Ming

作者机构：上海理工大学光电信息与计算机工程学院上海200093 

基　　金：华为技术有限公司合作项目(YBN2019055161)资助 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2022年第43卷第4期

页      码：841-846页

摘      要：当前许多目标检测算法在非极大值抑制过程中基于分类置信度对检测框排序,但由于分类置信度与定位准确度没有一致性,通常会影响检测器的定位性能.对此提出一种基于定位置信度预测的二阶段目标检测方法,为Faster R-CNN框架添加定位置信度预测分支,对分类、边界框回归和定位置信度3个分支进行联合训练,进而将检测框的定位置信度与分类置信度相融合,设计了基于融合分数的非极大值抑制后处理算法.此外,为定位置信度预测分支设计一种新的基于GIoU非线性变换的定位置信度指标,增大高GIoU检测框之间的定位置信度差异,以利于非极大值抑制过程中重复检测框的筛选.在交通场景人车检测数据集上的实验结果表明,所提方法获得了2.4%的AP提升,特别是AP_(85)和AP_(95)有2.7%~4.3%的提升,对于需要高定位性能的应用场景具有很大的实际意义.

主 题 词：目标检测 人车检测 定位置信度 非极大值抑制 Faster R-CNN 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.20009/j.cnki.21-1106/TP.2020-0869

馆 藏 号：203110834...