典型文献
基于一阶段目标检测网络头部算法研究
文献摘要：
目标检测的网络框架对目标检测结果影响极大,其中网络头部的研究是网络框架改进的重点之一.本文针对一阶段目标检测的网络头部进行改进.通过对当前两阶段网络头部的研究与一阶段网络框架RetinaNet头部热力图的输出进行分析,在一阶段网络头部创新性地引入池化层模块、提出双分类头模块、使用2个网络头部权重自适应分配结合的方法.本文使用RetinaNet作为baseline、VOC0712和MS COCO2017数据集作为实验数据集,最终在VOC0712上mAP达到了80.8％,相比于baseline提高了3.5％,在MS COCO2017测试集上mAP达到了40.2％,相比于RetinaNet提高了1.1％,使用多尺度后mAP达到了41.7％,提高了2.4％.
文献关键词：
目标检测;baseline;VOC0712;MS COCO2017;RetinaNet;双分类头;热力图;mAP
中图分类号：
作者姓名：
肖贵明;丁德锐;梁伟;魏国亮
作者机构：
上海理工大学 光电信息与计算机工程学院,上海200093
文献出处：
引用格式：
[1]肖贵明;丁德锐;梁伟;魏国亮-.基于一阶段目标检测网络头部算法研究)[J].智能计算机与应用,2022(11):78-86
A类：
双分类头,VOC0712
B类：
目标检测网络,络头,算法研究,网络框架,结果影响,中网,两阶段,RetinaNet,热力图,出进,池化,权重自适应,自适应分配,baseline,COCO2017,mAP,测试集
AB值：
0.242576
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
