基于改进特征金字塔的Mask R-CNN目标检测方法

被引：45

作者：

任之俊

蔺素珍

李大威

王丽芳

左健宏

机构：

[1] 中北大学大数据学院

来源：

激光与光电子学进展 | 2019年 / 56卷 / 04期

关键词：

机器视觉; 模式识别; 目标检测; 卷积神经网络; 特征金字塔;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了一种基于改进特征金字塔的Mask R-CNN目标检测方法。实验结果表明,在目标边缘和包围盒两项检测中,相比于Mask R-CNN检测框架,所提方法在不同的交并比阈值下的平均准确率分别提高了约2.4%和3.8%。尤其对于中等尺寸目标的检测准确率有较大的提高,分别为7.7%和8.5%,具有较强的稳健性。

引用

页码：174 / 179

页数：6

共 8 条

[1] 基于改进Faster R-CNN的空中目标检测 [J].

冯小雨 ;

梅卫 ;

胡大帅 .

光学学报, 2018, 38 (06) :250-258

[2] 用于人脸表情识别的多分辨率特征融合卷积神经网络 [J].

何志超 ;

赵龙章 ;

陈闯 .

激光与光电子学进展, 2018, (07) :370-375

[3] 基于多域卷积神经网络与自回归模型的空中小目标自适应跟踪方法 [J].

蔺素珍 ;

郑瑶 ;

禄晓飞 ;

曾建潮 .

光学学报, 2017, 37 (12) :281-288

[4] 特征融合的卷积神经网络多波段舰船目标识别 [J].

刘峰 ;

沈同圣 ;

马新星 .

光学学报, 2017, 37 (10) :248-256

[5] Distinctive image features from scale-invariant keypoints [J].

Lowe, DG .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110

[6]

Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition .2 He K,Zhang X,Ren S.et al. IEEE Transactions on Pattern Analysis and Machine Inteligence . 2015

[7]

Fully Convolutional Instance-Aware Semantic Segmentation .2 Li Y,Qi H,Dai J,et al. Computer Vision and Pattern Recognition . 2017

[8]

Mask R-CNN .2 K.He,G.Gkioxari,P.Dollár,et al. IEEE International Conference on Computer Vision . 2017

← 1 →