收稿日期：
２０２０ ０６ １９
基金项目：吉林省发改委基金资助项目（２０１９Ｃ０４０ ３） 作者简介：郭昕刚（
长泽锌１９７９－），男，汉族，吉林长春人，长春工业大学副教授，硕士，主要从事机器视觉方向研究，Ｅ ｍａｉｌ：６１４７７６１５５＠ｑｑ．ｃｏｍ．第４１卷第５期 长春工业大学学报 Ｖｏｌ．４１Ｎｏ．５２０２０年１０月 ＪｏｕｒｎａｌｏｆＣｈａｎｇｃｈｕｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ Ｏｃｔ．２０２０ 犇犗犐：１０．１５９２３／ｊ
．ｃｎｋｉ．ｃｎ２２ １３８２／ｔ．２０２０．５．１０改进ＦａｓｔｅｒＲ ＣＮＮ目标检测方法 郭昕刚， 张培栋， 梁锦明， 王 帅
（长春工业大学计算机科学与工程学院，吉林长春 １３００１２
）摘 要：针对ＦａｓｔｅｒＲ ＣＮＮ内部网络结构对特征图信息利用不充分这一问题，
对网络内部结构增加一条自下而上的反向侧边连接路径，
对目标检测方法做出优化，采用公开的数据集ＭＳ ＣＯＣＯ对其进行训练和测试。实验证明，不同ＩｏＵ阈值获取的数据相较于改进前的Ｆａｓｔｅｒ
Ｒ ＣＮＮ模型检测框架，
其中包围盒和目标检测准确率都得到了一定程度的提高，尤其对于小、中等尺寸目标的检测准确率提高较多。
东风11沈阳音乐学院南校区地址关键词：ＦａｓｔｅｒＲ ＣＮＮ；目标检测；特征信息；信息融合；ＭＳ ＣＯＣＯ数据集
中图分类号：ＴＰ３９１ 文献标志码：Ａ 文章编号：１６７４ １３７４（２０２０）０５ ０４７４ ０７
Ｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｉｍｐ
新标准英语第三册ｒｏｖｅｄＦａｓｔｅｒＲ ＣＮＮＧＵＯＸｉｎｇａｎｇ， ＺＨＡＮＧＰｅｉｄｏｎｇ， ＬＩＡＮＧＪｉｎｍｉｎｇ
，
ＷＡＮＧＳｈｕａｉ（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ，ＣｈａｎｇｃｈｕｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇ
北京市第十一次党代会
ｃｈｕｎ１３００１２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｆｏｒｉｎｅｆｆｉｃｉｅｎｔｕｓｅｏｆｆｅａｔｕｒｅｄｉａｇ
ｒａｍｉｎｆｏｒｍａｔｉｏｎｉｎＦａｓｔｅｒＲ ＣＮＮｉｎｔｅｒｎａｌｎｅｔｗｏｒｋ，ｗｅａｄｄａｒｅｖｅｒｓｅｓｉｄｅｃｏｎｎｅｃｔｉｏｎｐａｔｈｆｒｏｍｕｐｔｏｄｏｗｎｉｎｔｈｅｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅｔｏｏｐｔｉｍｉｚｅｔａｒｇｅｔｄｅｔｅｃｔｉｏｎ．ＰｕｂｌｉｃｄａｔａｓｅｔｓＭＳ ＣＯＣＯａｒｅｕｓｅｄｆｏｒｔｒａｉｎｉｎｇａｎｄｔｅｓｔｉｎｇ．Ｃｏｍｐａｒｉｎｇｗ
ｉｔｈｔｈｅＦａｓｔｅｒＲ ＣＮＮｍｏｄｅｌｄｅｔｅｃｔｉｏｎｆｒａｍｅｗｏｒｋ，ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｃｃｕｒａｃｙｏｆｂｏｔｈｂｏｕｎｄｉｎｇ
ｂｏｘａｎｄｔａｒｇｅｔｄｅｔｅｃｔｉｏｎｏｆｏｕｒｍｅｔｈｏｄｉｓｉｍｐｒｏｖｅｄｗｉｔｈｄｉｆｆｅｒｅｎｔＩｏＵｔｈｒｅｓｈｏｌｄ，ｅｓｐｅｃｉａｌｌｙ
，ｆｏｒｔｈｅｓｍａｌｌｅｒａｎｄｍｅｄｉｕｍ ｓｉｚｅｄｔａｒｇ
全高清视频直播系统ｅｔｓ．Ｋｅｙｗ
ｏｒｄｓ：ＦａｓｔｅｒＲ ＣＮＮ；ｔａｒｇｅｔｄｅｔｅｃｔｉｏｎ；ｆｅａｔｕｒｅｉｎｆｏｒｍａｔｉｏｎ；ｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎ；ＭＳ ＣＯＣＯｄａｔａｓｅｔ．
０ 引 言
基于深度学习的目标检测模型得到了广泛使用，相比于传统
目标检测技术在检测精度和鲁棒性上表现优异。该技术被广泛应用在无人驾驶、智能监控、行人跟踪等领域［１ ３］，一直是计算机视觉领域的研究热点。目标检测以深度学习作为节点，可分为传统的检测算法和基于深度学习的检测算法。传统的
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议