基于改进Faster RCNN的目标检测算法
孙顺远1
杨镇2
1.江南大学轻工过程先进控制教育部重点实验室 无锡 2141222.江南大学物联网工程学院 无锡 214122
摘要：近年来基于深度卷积神经网络的目标检测算法已经成为了主流,Faster R-CNN就是一种主流的目标检测算法.在Faster R-CNN卷积神经网络的基础上,使用DIoU来评价预测框和真实框的距离.针对Faster R-CNN小目标检测效果不好的缺陷,将原算法中的候选区域池化RoI Pooling改进为检测更为精确的区域特征聚集方式RoI Align.此外还改进了原算法中锚框的非极大值抑制方法,增加了算法的平均检测率.最后在公开数据集MS COCO、PASCAL VOC 2007、PASCAL VOC 2012上进行对比训练,在PASCAL VOC 2007测试集上进行验证.实验结果表明改进后的目标检测算法能够有效提高原Faster R-CNN算法的目标检测率.
关键词：目标检测卷积神经网络Faster R-CNN算法深度学习
分类号：TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(1773182)校优势学科建设工程项目(PAPD)
论文发表日期：2022-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2654-2659 )
英文信息