文献类型：期刊文章

作　　者：张宽[1,2] 滕国伟[1,2] 范涛[1,2] 李聪[3]

Zhang Kuan;Teng Guowei;Fan Tao;Li Cong(Shanghai Institute for Advanced Communication and Data Science,Shanghai 200444,China;School of Communication and Information Engineering,Shanghai University,Shanghai 200444,China;AVCON Information Technology Co.,Ltd.,Shanghai 200438,China)

机构地区：[1]上海先进通信与数据科学研究院,上海200444 [2]上海大学通信与信息工程学院,上海200444 [3]华平信息技术股份有限公司,上海200438

出　　处：《计算机应用与软件》

基　　金：国家自然科学基金项目(61571285);上海晨光计划项目(17CG41)

年　　份：2020

卷　　号：37

期　　号：1

起止页码：165-171

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、JST、ZGKJHX、核心刊

摘　　要：图像中目标对象的多尺度问题一直以来都是目标检测领域的主要难点之一,尤其是极端尺度对象的检测。研究发现,目标检测网络模型的深层语义特征有利于对象的识别,而浅层空间特征对对象的边界框回归很有帮助。DC-FPN使用密集连接代替FPN网络模型中的横向连接,能够从多层特征层中获取目标检测所需的特征信息,其中密集连接可以融合FPN自底向上传输模块中的所有特征层的特征信息,使FPN自顶向下传输模块的预测特征层能从中获取不同尺度对象检测所需的特征信息。实验表明,DC-FPN目标检测算法能够显著地提升模型的多尺度目标检测性能,使用MS COCO数据集训练和测试,其检测准确度(AP)能达到43.1%。

关 键 词：目标检测 密集连接  感受野 空间分辨率 分类  边界框回归  

分 类 号：TP391.41]