文献类型：期刊文章

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]

HOU Zhi-qiang;LIU Xiao-yi;YU Wang-sheng;PU Lei;MA Su-gang;FAN Jiu-lun(School of Computer,Xi’an University of Posts and Telecommunications,Xi’an,Shaanxi 710121,China;School of Information and Navigation,Air Force Engineering University,Xi’an,Shaanxi 710077,China;School of Communication and Information Engineering,Xi’an University of Posts and Telecommunications,Xi’an,Shaanxi 710121,China)

机构地区：[1]西安邮电大学计算机学院,陕西西安710121 [2]空军工程大学信息与导航学院,陕西西安710077 [3]西安邮电大学通信与信息工程学院,陕西西安710121

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61703423,No.61473309,No.62072370)。

年　　份：2021

卷　　号：49

期　　号：4

起止页码：696-705

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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.

关 键 词：双阈值 非极大值抑制算法  重复检测  后处理

分 类 号：TP391.4]