基于 CenterNet-bneck 目标检测模型的非结构化场景目标快速检测方法

作者	单位
陈奕帆

摘要点击次数: 54

全文下载次数: 0

中文摘要:

鉴于传统目标检测轮廓提取技术无法识别多目标类别、在复杂场景中的检测能力不足、在联合目标的检测任务中存在较大局限性，选用 CenterNet 作为目标检测的基础模型，引入 MobileNet V3 轻量级网络中的倒置残差瓶颈模块（bneck）进行特征提取层重构，构建具有高效特征提取能力的 CenterNet-bneck 新模型。该模型的检测过程无须预设锚框，检测流程简单，可实现非结构化场景中目标的快速检测。试验结果表明：该方法可实现精度与速度的平衡，可进行多任务扩展，且检测任务复杂度越高，CenterNet-bneck 新模型的性能优势越显著，从而具有较强的泛化能力；相较于基线模型和传统测量算法，新模型的损失曲线下降最平滑、收敛速度稳定、平均精度最高，从改进前的 21.7% 升至 29.4%。

英文摘要:

查看全文查看/发表评论

关闭