科研之友
微信
新浪微博
Facebook
分享链接
摘要
在目标检测领域中，基于预先是否对预测框与标注框进行关联，可分为anchor based与anchor free两种方法.Anchor based多应用于早期目标检测方法中，能够提升检测准确率，但过程复杂且计算量较大，因此会增加模型训练时间与推理速度，从而导致应用效率大大降低.而基于anchor free的方法去除了关于anchor的冗余计算，提升模型推理速度，但同时也牺牲了一定的准确率.结合二者的优点并基于anchor free方式对FCOS检测器做出改进，使得模型拥有anchor based方法的准确率和anchor free方法的推理速度.主要从以下两个方面进行研究：1)以anchor free方法为基础，如何使骨干网络有效提取特征.2)以anchor free方法为基础，在检测器中嵌入特征金字塔网络.从上述两方面，提出了一种基于注意力机制和尺度均衡金字塔网络的目标检测模型.在COCO数据集上，无论是属于anchor based方法的YOLOv3,Faster RCNN,还是属于anchor free方法的Foveabox, FSAF,FCOS,在所提方法的加成下都获得了更高的准确率.所提出的优化模型在ResNet50骨干网络上可以得到39.5%的COCO AP.
- 出版日期2023
- 单位西南民族大学
