基于全卷积网络的目标检测算法

目标检测是计算机视觉的一项重要任务,其主要内容是定位图像中出现的目标,并对其进行分类。主流算法普遍基于卷积加全连接的结构,存在模型参数巨大、检测效率低下等问题。而在现实应用中,比如自动驾驶车载系统、智能监控系统中对行人、车辆等目标的检测,往往对目标检测算法的实时性具有较高要求。为此,提出一种基于全卷积神经网络的目标检测算法。网络结构完全采用卷积层实现,不仅用卷积进行特征提取,而且用卷积层进行预测,采用多任务学习,大大提高了检测效率并降低了模型复杂度。相比主流深度学习目标检测算法,如YOLO、Faster RCNN,该算法速度更快,模型参数更少,且保持相当的精度,在PASCAL VOC2007权威目标检测库上的平均准确率(m AP)达到64.5。