基于改进Faster RCNN的节肢动物目标检测方法

作     者：郭子豪 董乐乐 曲志坚 GUO Zihao;DONG Lele;QU Zhijian

作者机构：山东理工大学计算机科学与技术学院山东淄博255000 

基　　金：山东省高等学校青年创新团队发展计划项目(2019KJN048) 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2023年第43卷第1期

页      码：88-97页

摘      要：自然生态环境下的节肢动物目标检测存在目标背景复杂、尺度差异大以及目标密集等特点,导致目标检测精度和准确率不高。为此,提出一种基于改进Faster RCNN模型的节肢动物目标检测方法 AROD RCNN。首先,设计一种有监督的并行空间与通道注意力(SPSCAT)机制,以提高复杂背景环境下节肢动物目标检测的准确率;然后,引入第二代可变形卷积重塑ResNet50中C1~C5块卷积层,并使用特征金字塔网络(FPN)对ResNet50中C2~C6块进行特征融合以解决目标尺度差异较大影响检测精度的问题;最后,通过密集局部回归(DLR)方法对回归阶段进行改进,从而提高模型回归的准确性。实验结果表明,该方法在ArTaxOr数据集上的各类别平均精度(mAP)达到了0.717,较原始Faster RCNN模型提高了0.453,而召回率达到了0.787。可见该方法能够有效解决目标遮挡和复杂背景等问题,在节肢动物密集目标与小目标检测中表现良好。

主 题 词：目标检测 注意力机制 可变形卷积 特征金字塔网络 密集局部回归 节肢动物 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.11772/j.issn.1001-9081.2021101838

馆 藏 号：203117874...