文献类型：期刊文章

作　　者：万晓丹[1]

Wan Xiaodan(Department of Physics,Nanchang Normal University,Nanchang 330032,Jiangxi,China)

机构地区：[1]南昌师范学院物理系,江西南昌330032

出　　处：《计算机应用与软件》

基　　金：江西省教育厅科技项目(GJJ181085,GJJ171114,GJJ171116);南昌师范学院科技项目(090260000146)。

年　　份：2021

卷　　号：38

期　　号：1

起止页码：192-196

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、ZGKJHX、核心刊

摘　　要：在目标检测方法中,通过使用具有不同遮挡程度的数据集进行训练,能够提升目标检测算法对遮挡的不变性,但现实生活中的数据集往往存在长尾效应。因此提出一种基于对抗网络与卷积神经网络的目标检测方法。通过对抗网络在输入数据上进行计算得到不同遮挡程度的样本,使用Faster RCNN算法进行训练提升遮挡不变性,以此提高算法检测精度。实验结果表明,该方法与Faster RCNN相比,在VOC 2007数据集上平均精度提升了2.2个百分点,在VOC 2007和VOC 2012联合数据集上平均精度提升了1.3个百分点。

关 键 词：深度学习  目标检测 卷积神经网络 对抗网络  

分 类 号：TP183]