跨深度的卷积特征增强目标检测算法

doi:10.16208/j.issn1000-7024.2020.07.011

CORC > 光电技术研究所 > 中国科学院光电技术研究所 > 光电探测与信号处理研究室（五室）

	跨深度的卷积特征增强目标检测算法
	王若霄 ; 徐智勇 ; 张建林
刊名	计算机工程与设计
	2020-07-16
卷号	41 期号:7 页码:1864-1871
关键词	深度学习目标检测卷积神经网络特征增强多尺度特征
ISSN号	1000-7024
DOI	10.16208/j.issn1000-7024.2020.07.011
文献子类	期刊论文
英文摘要	针对当前基于深度学习的目标检测算法采取的特征图融合方式存在缺陷,算法普遍不能很好地应对尺度变化等问题,提出一种跨深度卷积特征增强的目标检测算法CDC-YOLO。对YOLOv3算法进行改进,针对多尺度预测层各自的特点采用与之适应的特征增强模块,采用多通道的跨深度的卷积核并结合空洞卷积并行地提取特征,最终级联起来。该模块能充分利用多尺度多深度特征,形成统一的多尺度特征表达。在VOC2007test上的实验结果表明,提出算法的mAP (均值平均精度)高达82.33%,比原始YOLOv3提升了约2%,且对尺度变化大的物体鲁棒性更强。
URL标识	查看原文
语种	中文
内容类型	期刊论文
源URL	[http://ir.ioe.ac.cn/handle/181551/9973]
专题	光电技术研究所_光电探测与信号处理研究室（五室）
作者单位	1.中国科学院大学电子电气与通信工程学院 2.中国科学院光电技术研究所
推荐引用方式 GB/T 7714	王若霄,徐智勇,张建林. 跨深度的卷积特征增强目标检测算法[J]. 计算机工程与设计,2020,41(7):1864-1871.
APA	王若霄,徐智勇,&张建林.(2020).跨深度的卷积特征增强目标检测算法.计算机工程与设计,41(7),1864-1871.
MLA	王若霄,et al."跨深度的卷积特征增强目标检测算法".计算机工程与设计 41.7(2020):1864-1871.