文献检索-宁波市创意产业特色资源库

限定检索结果

一种基于生成对抗架构的目标检测增强算法: 收藏
分享
引用; 《计算机学报》2024年第3期47卷 647-661页; 作者：张昀黄橙施健张玉瑶黄经纬于舒娟黄丽亚南京邮电大学电子与光学工程学院、柔性电子(未来技术)学院南京210000; 目标检测网络的性能往往受制于特征提取网络的深度,而网络参数的大量增加只能带来检测系统性能的少量提升,同时需要引进许多额外的网络细节设计,这些都会导致训练难度的增加.本文提出了一种基于生成对抗训练的目标检测方法,它以减少特...; 目标检测网络的性能往往受制于特征提取网络的深度,而网络参数的大量增加只能带来检测系统性能的少量提升,同时需要引进许多额外的网络细节设计,这些都会导致训练难度的增加.本文提出了一种基于生成对抗训练的目标检测方法,它以减少特征分布的EM距离(Wasserstein距离)为训练目标.具体来说,我们将检测网络从整个架构中提取出来,并对特征提取网络进行深入的对抗性训练.实验证明,本文提出的架构进一步提高了网络的特征提取能力,并且没有导致参数的增加.在MS COCO 2017数据集上,本文的架构将基于ResNet101的CenterNet网络性能从36.1%mAP提高到37.2%mAP,将基于Hourglass-104的mAP从42.2%提高到43.0%.; 来源：详细信息评论

限定检索结果