基于位置预测的目标检测算法

作者：张宽^*; 滕国伟

来源：电子测量技术, 2019, 42(19): 164-169.

DOI：10.19651/j.cnki.emt.1902898

• 目标检测
• 分类
• 感受野
• 边界框
• 回归
• 特征层

预定义边界框是目标检测算法的核心技术之一,当前目标检测器的预定义边界框生成策略获得的边界框存在着数量冗余和正负样本不平衡问题。LA-SSD目标检测模型是在经典检测器SSD的基础上引入位置预测子网络,该子网络可以预测图像中当前位置处目标对象存在的概率,并使用位置预测的结果作为模型训练时的权重送到预测特征层,辅助对象检测的类别和边界框回归预测。实验表明LA-SSD模型大幅降低了模型训练时参与训练的预定义边界框的数量,同时实现了正负样本的平衡,这不仅降低了网络模型计算复杂度,还提升了对象检测模型的特征表达能力。当使用PASCAL VOC 2007, PASCAL VOC 2012以及MS COCO数据集训练模型,输入图像尺寸为512×512时,检测准确度(mAP)分别能达到82.9%、81.8%、34.1%。

• 单位
  通信与信息工程学院; 上海大学