保持高分辨率信息的无锚点框检测算法

CASIA OpenIR > 多模态人工智能系统全国重点实验室 > 人工智能与机器学习（杨雪冰）-技术团队

	保持高分辨率信息的无锚点框检测算法
	何泽文1,2 ; 张文生1,2
发表期刊	计算机辅助设计与图形学学报
	2021-04
期号	4 页码:580-589
摘要	目标检测逐渐成为视觉研究社区的关键领域, 而其挑战之一是检测器难以准确地定位不同尺度的物体. 面向图像中的目标检测应用, 提出了高分辨率-无锚点框(HOAR)检测策略来应对物体尺度多变的挑战. HOAR 将待测图像输入多条通路(对应不同尺度)并行的高分辨率网络, 并提取每条通路上的输出特征图作为图像在每种尺度下的深度特征表示; 然后利用密集特征金字塔(DenseFPN)对这些特征图进行信息融合, 得到重新组合的多尺度特征图; 最后采用无锚点框表示的检测子网络判断这些特征图上每个点对应的物体类别和矩形框位置. 为验证所提HOAR 策略的有效性, 在COCO 数据集上进行了对比实验. 消融分析的结果表明了HOAR 策略各个模块的必要性; 其在验证集上的检测指标mAP 达到了40.5, 显著超过了基线模型和部分代表性算法的mAP. 此外, HOAR 策略所需的参数数量也显著小于对应的基线模型.
关键词	目标检测高分辨率网络无锚点框检测多尺度特征融合中
语种	中文
七大方向——子方向分类	目标检测、跟踪与识别
文献类型	期刊论文
条目标识符	http://ir.ia.ac.cn/handle/173211/45001
专题	多模态人工智能系统全国重点实验室_人工智能与机器学习（杨雪冰）-技术团队
通讯作者	张文生
作者单位	1.中国科学院自动化研究所精密感知与控制中心, 北京 2.中国科学院大学, 北京
第一作者单位	中国科学院自动化研究所
通讯作者单位	中国科学院自动化研究所
推荐引用方式 GB/T 7714	何泽文,张文生. 保持高分辨率信息的无锚点框检测算法[J]. 计算机辅助设计与图形学学报,2021(4):580-589.
APA	何泽文,&张文生.(2021).保持高分辨率信息的无锚点框检测算法.计算机辅助设计与图形学学报(4),580-589.
MLA	何泽文,et al."保持高分辨率信息的无锚点框检测算法".计算机辅助设计与图形学学报 .4(2021):580-589.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
JCAD-保持高分辨率信息的无锚点框检测（477KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览下载