基于关键点检测二阶段目标检测方法研究
基于关键点检测二阶段目标检测方法研究
作者:
作者单位:

作者简介:

通讯作者:

基金项目:

深圳市科技创新委员会基础研究重点项目(JCYJ20200109114835623);国家自然科学基金委员会重点项目(U1713203);广东省重点 领域研发计划项目(2019B010155003)

伦理声明:



Research on Two-stage Object Detection Method Based on Key Point Detection
Author:
Ethical statement:

Affiliation:

Funding:

Shenzhen Science and Technology Innovation Commission (JCYJ20201009114835623); National Natural Science Foundation of China (U1713203); Key-Area Research; Development Program of Guangdong Province (2019B010155003)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    卷积神经网络被广泛应用于目标检测领域。该文提出一种新的无锚框二阶段目标检测算法: 以 CornerNet 方法为基础,借助角点提取候选区域,并增加中心池化层来增强物体中心区域特征,通过 判断中心关键点是否落在中心区域,可以过滤掉大量的误检候选框。随后,将保留的候选框送到多元 分类器进行预测和回归,获取最终的检测结果。实验结果表明,该方法在 MS-COCO 数据集上能够取 得 46.7% 的检测精度,与其他同类算法相比具有较强的竞争力。与原始的 CornerNet 算法相比,该方法 在精度上有 6.2% 的提升,尤其对于形状特殊的物体,精度提升更加明显。

    Abstract:

    Convolutional neural network is widely used in the field of object detection. In this paper, a novel anchor-free two-stage object detection algorithm is investigated. Region proposals are produced via corner points extracted based on CornerNet. In order to improve the inception ability to the internal information of the object, central pooling is introduced in the algorithm to enhance the features of interal regions for internal feature point detection. A large number of false-positive proposals can be filtered out by checking whether the internal key points exist in the internal area. The remaining proposals are fed into a multivariate classifier to obtain the final result. The proposed algorithm has been tested on the data set of

    参考文献
    相似文献
    引证文献
引用本文

引文格式
王宏任,陈世峰.基于关键点检测二阶段目标检测方法研究 [J].集成技术,2021,10(5):34-42

Citing format
WANG Hongren, CHEN Shifeng. Research on Two-stage Object Detection Method Based on Key Point Detection[J]. Journal of Integration Technology,2021,10(5):34-42

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2021-09-15
  • 出版日期: