融合改进FPN与关联网络的Faster R-CNN目标检测

作者：汪常建; 丁勇; 卢盼成

来源：计算机工程, 2022, 48(02): 173-179.

DOI：10.19678/j.issn.1000-3428.0059979

• 目标检测
• 尺度
• 特征金字塔网络
• 关联网络
• 特征融合

在无人机场景下,目标检测存在样本数量不足、成像视角不同的问题,导致检测精度低。提出一种结合改进特征金字塔网络(FPN)与关联网络的Faster R-CNN目标检测算法。通过在传统FPN结构中以自下而上的特征融合方式提取特征图的语义信息和位置信息,最大程度地保留特征图的多尺度信息。同时利用候选区域之间的形状特征和位置特征构造区域之间的关联特征,并与深度特征相融合进行分类回归,从而充分提取特征图的整体信息,实现目标检测。在PASCAL VOC 2007和NWPU VHR-10数据集上的实验结果表明,相比FPN+Faster R-CNN算法,该算法的交并比和平均检测精度分别提高了10和2.7个百分点,具有较优的目标检测性能。

• 单位
  自动化学院; 南京航空航天大学