基于双分支特征融合的无锚框目标检测算法.docx
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
![preview](https://dl-preview.csdnimg.cn/87486798/0001-531b81329fc1e08d00f3130a3d48ebf2_thumbnail-wide.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
"基于双分支特征融合的无锚框目标检测算法" 本文提出了一种基于双分支特征融合的无锚框目标检测算法(CenterNet with Double Branch feature fusion, DB-CenterNet),旨在解决传统目标检测算法中的问题,即大量锚点框的使用和复杂的超参数设计。该算法基于CenterNet,引入双分支特征融合机制,旨在更好地利用浅层特征的空间信息和深层特征的语义信息,从而达到更优的检测效果。 一、目标检测算法概述 目标检测算法是计算机视觉领域中的重要研究方向,旨在检测图像中的目标对象。传统目标检测算法通常利用方向梯度直方图特征(HOG)或尺度不变特征变换(SIFT)来识别目标,但均存在着处理数据量大、实时性不高等缺点。基于深度学习的目标检测算法中,双阶段算法Faster R-CNN引入锚点框概念,以待检测位置为中心,指定的大小和高宽比所构成的锚框,从而生成大量区域建议框来进行训练。单阶段算法YOLOv3和SSD也采用了锚点框来确保与目标有更大的重叠率,提高检测精度。 二、基于CenterNet的无锚框目标检测算法 CenterNet算法去除了锚点框的使用,将目标检测转化为2个关键点匹配的问题。该算法将每个目标视为1个中心点,通过网络预测每个中心点的位置,然后直接回归出目标的宽高和具体类别。算法的思想简洁明了,结构清晰,无需非极大值抑制操作,在速度上有了保证。 三、双分支特征融合的无锚框目标检测算法(DB-CenterNet) DB-CenterNet算法对编码网络和解码网络均有不同的设计。首先,对编码网络中的主干网络添加基于DCT频率域的通道注意力机制来增强特征提取能力;其次,对解码网络的整体结构进行重构,利用特征金字塔增强模块和特征融合模块搭建新的网络分支,将主干网络中的4层特征进行多次上采样和下采样处理,更好地利用浅层特征的空间信息和深层特征的语义信息,从而达到更优的检测效果。 四、实验结果 实验表明,DB-CenterNet算法在PASCAL VOC和KITTI数据集上的检测精度较原算法分别提升3.6%和6%,同时检测速度满足实时性要求。 DB-CenterNet算法基于CenterNet,引入双分支特征融合机制,旨在解决传统目标检测算法中的问题,并达到更优的检测效果。
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/release/download_crawler_static/87486798/bg1.jpg)
![](https://csdnimg.cn/release/download_crawler_static/87486798/bg2.jpg)
![](https://csdnimg.cn/release/download_crawler_static/87486798/bg3.jpg)
剩余11页未读,继续阅读
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/3f07197aad004e4fa57ac5a008eb6aaf_weixin_57147647.jpg!1)
- 粉丝: 4012
- 资源: 1万+
![benefits](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-1.c8e153b4.png)
![privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-2.ec46750a.png)
![article](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-3.fc5e5fb6.png)
![course-privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-4.320a6894.png)
![rights](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-icon.fe0226a8.png)
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)