改进RetinaNet的遮挡目标检测算法研究OA北大核心CSTPCD
针对目标检测任务中目标实例密集、重叠等因素导致的检测精度不高的问题,提出一种改进回归损失函数与动态非极大值抑制的目标检测框架。采用结合排斥因子Rep的GIoU-Loss进行目标位置回归,在增加回归参数间相关性的同时降低候选边框向邻近真值偏移概率。Rep-GIoU-Loss不仅有效提升目标位置回归精度,对目标遮挡情形也具有较好的鲁棒性。此外,增加稠密度预测分支预测目标被遮挡程度,并将遮挡程度预测值作为NMS方法的动态阈值,以减少漏检、虚检目标实例。…查看全部>>
阳珊;王建;胡莉;刘波;赵皓
西南科技大学信息工程学院,四川绵阳621010深圳市朗驰欣创科技股份有限公司,广东深圳518000西南科技大学信息工程学院,四川绵阳621010深圳市朗驰欣创科技股份有限公司,广东深圳518000西南科技大学信息工程学院,四川绵阳621010 中国科学技术大学信息科学技术学院,合肥230026
信息技术与安全科学
目标检测遮挡GIoURetinaNet非极大值抑制
《计算机工程与应用》 2022 (11)
P.209-214,6
评论