科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对经典无锚框目标检测算法FCOS(Fully Constitutional One-Stage Object Detection)难以充分提取目标特征，位置与内容信息结合能力不足，正负样本区分不充分导致性能减弱等问题，提出了一种改进型FCOS目标检测算法。该方法首先在ResNet50特征提取网络中加入可变形卷积模块与全局注意力模块，提高特征信息捕获能力；然后，将FPN特征金字塔与深层链路层相结合，构成多尺度特征融合模块，提升特征提取效果。最后，加入自适应划分正负样本模块，增强检验框的准确性以达到提高回归精度的效果，从而提升检测结果。为了测试算法的检测效果，分别使用了COCO数据集与VOC数据集进行实验。与原FCOS算法相比，所提算法在两个数据集上的平均精度分别提高了2.3%和1.8%，其中，对COCO数据集中的小目标检测的效果有明显提升。
- 出版日期2022
- 单位西南石油大学
