科研之友
微信
新浪微博
Facebook
分享链接
摘要
样本采样和检测框优化是目标检测任务中的两项重要技术。为了解决正负样本分配不合理的问题，获取更优的图像分类特征和检测框，提出一个精确且高效的单阶无锚框目标检测算法，算法由基于语义的定位、自适应特征增强和高效的检测框优化3个模块组成。首先，定位模块提出基于语义的样本采样方法，根据目标的语义特征区分前/背景区域，合理选择正样本和负样本，优先选择语义信息量较大的前景区域作为正样本；其次，特征增强模块利用目标语义概率图和检测框偏移逐像素调整图像分类特征，增大前景特征所占比重，根据目标大小自适应调整特征编码范围；最后，采用并联的方式优化检测框，对优化前后的检测框计算分类损失，几乎无成本地提升了定位性能，保证了特征对齐性和一致性。在MS COCO数据集下，提出的目标检测算法取得了平均精度为42.8%的检测精度，单张图像的检测时间达到78 ms，实现了检测精度与速度的平衡。
- 单位
