残差网络下基于困难样本挖掘的目标检测

作     者：张超 陈莹 Zhang Chao, Chen Ying

作者机构：江南大学轻工过程先进控制教育部重点实验室江苏无锡214122 

基　　金：国家自然科学基金(61573168) 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2018年第55卷第10期

页      码：105-111页

摘      要：为了提高图像目标的检测精度,提出一种在残差网络下设计基于困难样本挖掘的目标检测算法。首先阐述基于深度学习的目标检测算法,即超快速区域卷积神经网络(Faster R-CNN)的工作原理,分析该算法存在的不足与改进方式。在Faster R-CNN的基础上,为了使模型能提取更有效的深度卷积特征,选取网络更深的残差网络替换原始的ZF或VGG网络。为了使学习到的网络模型有更强的泛化能力,在网络训练过程中,利用困难样本更新网络参数,使网络训练更充分。在Pascal VOC2007、Pascal VOC2007+Pascal VOC2012和BIT这三个数据集中进行训练和测试,实验结果显示,融合了两种方法的Faster R-CNN在这三个数据集上的检测精度分别提升了3.5%、7.1%、6.4%,提升效果明显。

主 题 词：图像处理 目标检测 超快速区域卷积神经网络 残差网络 困难样本挖掘 

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

核心收录：

D　O　I：10.3788/LOP55.101003

馆 藏 号：203395239...