资料下载
×
一种基于特征融合的感受野模型
消耗积分:0 |
格式:pdf |
大小:5.17 MB |
2021-03-31
分享资料个
早前提出的one- stage类算法SSD，在主干网络特征提取方面，经过3x3的卷积之后会造成计算通道数増多。同时，在SSD中这些被提取出的特征直接生成特征图并分别丢入预测模型中，导致层与层之间没有很好的信息交融。在现实的检测过程中，因为神经网络的主导为大型目标，常常会忽略相对于大型物体更容易被漏检的小型物体，导致小型被检测物的检测成功率较低。因此基于SSD进行研究，融λ了一种基于特征融合的感受野模型 Receptive Field Block。在特征提取的主干网络上，基于感受视野特征提取融入特征融合模块，以加强对小目标的检测效果。该改进算法框架在ⅤOC公开数据集上的mAP为81.8%，在自制的针对小目标的航拍数据集上的mAP为82.8%，在牺牲了部分速度的情况下，在精度方面产生了较大的优势。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
