Research on target detection algorithm based on multi-scale feature fusion

doi:10.13741/j.cnki.11-1879/o4.2022.06.018

您当前的位置：

首页 >

文章列表页 >

Research on target detection algorithm based on multi-scale feature fusion

更新时间：2025-09-01

- Research on target detection algorithm based on multi-scale feature fusion
- Vol. 48, Issue 6, Pages: 749-754(2022)
- 作者机构：
  
  1:北京信息科技大学仪器科学与光电工程学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2022.06.018
  CLC： TP183;TP391.41
- Published：2022
- 稿件说明：
移动端阅览
Research on target detection algorithm based on multi-scale feature fusion[J]. 2022, 48(6): 749-754.
DOI：

Research on target detection algorithm based on multi-scale feature fusion[J]. 2022, 48(6): 749-754. DOI： 10.13741/j.cnki.11-1879/o4.2022.06.018.

摘要

针对Faster R-CNN在多尺度目标检测时易出现小目标漏检和误检的问题，提出一种改进的多尺度目标检测算法。将利于小目标检测的低层网络和利于大尺度目标检测的高层网络进行多尺度特征融合；在训练阶段，采用在线难例样本挖掘算法维护难例样本分类池，加速神经网络模型迭代收敛，解决训练样本不均衡、训练效率低下的问题；计算并统计待检测目标的尺度大小，合理控制用于生成候选区域的锚框尺寸，提高模型泛化能力。采用PASCAL VOC2012公开数据集和类人足球机器人自建数据集进行算法验证，实验结果表明，相比Faster R-CNN算法，本算法的平均检测精度在上述数据集下分别提高了8.61和5.47个百分点。

Abstract

关键词

Keywords

references

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Research on remote sensing image aircraft target detection techonlogy based on YOLOv4-tiny

Moving object detection based on combined stereovision and optical flow

Detection and recognition method of power phase sign

Detection of weak point moving targets in infrared image sequences

Research on dim moving target detection algorithm in deep space

Related Author

李国宁

何斌

张永强

张欣

黄影平

闵琪

蔺蘭

何思远

Related Institution

3:北京跟踪与通信技术研究所

2:中国科学院大学

1:中国科学院长春光学精密机械与物理研究所空间光学研究二部

1:上海理工大学光电信息与计算机工程学院

3:沈阳工程学院自动化学院

⁰