文献检索-宁波市创意产业特色资源库

限定检索结果

基于高表征能力特征处理模块的小目标检测: 收藏
分享
引用; 《计算机工程与设计》2021年第5期42卷 1360-1367页; 作者：向华桥崔文超刘世焯孙水发三峡大学计算机与信息学院湖北宜昌443000; 针对小目标检测性能较差的问题,从影响性能的关键因素特征信息损失入手,设计一种特征信息处理模块CHRNet。结合HRNet高分辨率表征和CARAFE精细化上采样的特点,随着特征处理进程,设计不同的特征图融合方法,采用越来越有效的上采样方法,...; 针对小目标检测性能较差的问题,从影响性能的关键因素特征信息损失入手,设计一种特征信息处理模块CHRNet。结合HRNet高分辨率表征和CARAFE精细化上采样的特点,随着特征处理进程,设计不同的特征图融合方法,采用越来越有效的上采样方法,在保持一定计算效率的条件下最大化CHRNet的表征能力。针对突出的样本不平衡对损失函数进行调整,设计适合小目标的Anchor。在MOCOD和VEDAI两个数据集上进行实验,实验结果表明,采用CHRNet的检测网络减少了特征信息的损失,提高了网络的表征能力,使COCO标准下的检测精度提升约4.5个百分点,其中CHRNet带来约3.8个百分点的提升。; 来源：详细信息评论

限定检索结果