全卷积目标检测的改进算法

作     者：廖永为 张桂鹏 杨振国 刘文印 LIAO Yongwei;ZHANG Guipeng;YANG Zhenguo;LIU Wenyin

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 

基　　金：广州市科技计划项目(202102020524) 广东省科技计划项目(202007040005) 广东创新研究团队项目(2014ZT05G157) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2022年第58卷第17期

页      码：158-164页

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。

主 题 词：ConFCOS 增强的特征金字塔网络 级联检测 目标检测 

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

D　O　I：10.3778/j.issn.1002-8331.2111-0441

馆 藏 号：203114405...