针对区域建议网络(Region Proposal Network,RPN)生成的建议框显著性不强和使用的分类置信度与定位不匹配的问题,在Faster RCNN目标检测框架下,提出一种基于交并比(Intersection over Union,IoU)的区域建议网络。在区域建议网络增加IoU...针对区域建议网络(Region Proposal Network,RPN)生成的建议框显著性不强和使用的分类置信度与定位不匹配的问题,在Faster RCNN目标检测框架下,提出一种基于交并比(Intersection over Union,IoU)的区域建议网络。在区域建议网络增加IoU注意力分支,使用IoU作为非极大值抑制的置信度,明确对每个建议框的感兴趣程度,并增强建议框类内差异;改进区域建议网络分类损失函数,减少分类模块参数,加快推断速度。在PASCAL VOC 2007公开数据集上进行测试,结果表明该方法的平均精确率(Mean Average Precision,mAP)提高了约1.1%。展开更多
文摘针对区域建议网络(Region Proposal Network,RPN)生成的建议框显著性不强和使用的分类置信度与定位不匹配的问题,在Faster RCNN目标检测框架下,提出一种基于交并比(Intersection over Union,IoU)的区域建议网络。在区域建议网络增加IoU注意力分支,使用IoU作为非极大值抑制的置信度,明确对每个建议框的感兴趣程度,并增强建议框类内差异;改进区域建议网络分类损失函数,减少分类模块参数,加快推断速度。在PASCAL VOC 2007公开数据集上进行测试,结果表明该方法的平均精确率(Mean Average Precision,mAP)提高了约1.1%。
