基于多层上下文卷积神经网络的目标检测算法

作者：王浩; 单文静; 方宝富^*

来源：模式识别与人工智能, 2020, 33(02): 113-120.

DOI：10.16451/j.cnki.issn1003-6059.202002003

• 目标检测
• 区域生成网络(RPN)
• 多层上下文信息(MLC)
• 特征融合

目标检测提取的特征信息不足,导致识别小目标或被遮挡目标时精确度不高.因此,文中提出多层上下文卷积网络(MLC-CNN),通过提取多层上下文信息特征并结合物体特征进行目标检测.MLC-CNN由区域生成网络(RPN)和多层上下文信息(MLC)两个子网络组成,RPN获取固定长度的特征向量作为目标特征,MLC获取不同层特征图上对应的上下文信息特征,最后融合两部分特征.此外,为了解决数据不均衡问题,融入难负样本训练.在PASCAL VOC2007和PASCAL VOC2012数据集上的实验表明,MLC-CNN的均值平均精度(mAP)具有明显提高.

• 单位
  合肥工业大学