使用GIoU改进非极大值抑制的目标检测算法

被引：32

作者：

侯志强 ^{[1
]}

刘晓义 ^{[1
]}

余旺盛 ^{[2
]}

蒲磊 ^{[2
]}

马素刚 ^{[1
]}

范九伦 ^{[3
]}

机构：

[1] 西安邮电大学计算机学院

[2] 空军工程大学信息与导航学院

[3] 西安邮电大学通信与信息工程学院

来源：

电子学报 | 2021年 / 49卷 / 04期

关键词：

双阈值; 非极大值抑制算法; 重复检测; 后处理;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对单阈值-非极大值抑制算法中出现的目标漏检和重复检测问题,本文提出了一种使用全局交并比指标GIoU(Generalized Intersection over Union)衡量目标相似度的双阈值非极大值抑制算法GDT-NMS(Generalized Dual Threshold NMS,GDT-NMS).使用双阈值改进NMS算法和soft-NMS算法,抑制多余的检测框;在此基础上,使用GIoU替换传统的IoU计算目标间的相似度,使目标的定位更加准确;进一步,使用非线性函数赋予检测框不同比例的权值惩罚,使检测框的得分随距离呈非线性变化,目标区分度更高.改进算法在PASCAL VOC和MSCOCO上的检测精度分别为74.8%和25.9%,与使用NMS算法作为后处理的Faster R-CNN算法相比,性能分别提升了1.6%和1.5%.同时本文算法具有较快的检测速度.

引用

页码：696 / 705

页数：10

共 10 条

[1] 基于深度学习的场景文字检测综述
姜维
张重生
殷绪成
[J]. 电子学报, 2019, 47 (05) : 1152 - 1161
[2] 一种融合多尺度特征的多物体检测方法
牛斌
张怡迪
马利
魏云
[J]. 辽宁大学学报(自然科学版), 2019, (02) : 118 - 124
[3] 基于难分样本挖掘的快速区域卷积神经网络目标检测研究
张烨
许艇
冯定忠
蒋美仙
吴光华
[J]. 电子与信息学报, 2019, 41 (06) : 1496 - 1502
[4] 改进的非极大值抑制算法的目标检测
赵文清
严海
邵绪强
[J]. 中国图象图形学报, 2018, (11) : 1676 - 1685
[5] 基于视觉显著性的海面舰船检测技术
丁鹏
张叶
贾平
常旭岭
刘让
[J]. 电子学报, 2018, 46 (01) : 127 - 134
[6] 全卷积网络多层特征融合的飞机快速检测
辛鹏
许悦雷
唐红
马时平
李帅
吕超
[J]. 光学学报, 2018, 38 (03) : 344 - 350
[7] 一种联合文本和图像信息的行人检测方法
周炫余
刘娟
卢笑
邵鹏
罗飞
[J]. 电子学报, 2017, 45 (01) : 140 - 146
[8] 图像物体分类与检测算法综述
黄凯奇
任伟强
谭铁牛
[J]. 计算机学报, 2014, 37 (06) : 1225 - 1240
[9] Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression[J] . Seyed Hamid Rezatofighi,Nathan Tsoi,JunYoung Gwak,Amir Sadeghian,Ian D. Reid 0001,Silvio Savarese.CoRR . 2019
[10] End-to-end training of object class detectors for mean average precision .2 Henderson P,Ferrari V. Proceedings of the 13th Asian Conference on Computer Vision . 2016

← 1 →