计算机辅助设计与图形学学报

作者：马素刚, 李宁博, 彭冠升, 杨小宝, 侯志强

关键词：深度学习, 目标检测, 多尺度特征融合, 交并比, 非极大值抑制, 余弦相似度

针对经典的有锚框检测算法RetinaNet、无锚框检测算法FCOS等目标检测算法中存在漏检以及重复检测的问题, 提出一种自适应特征融合与cosIoU-NMS的目标检测算法.首先采用自适应特征融合模块对多尺度特征中相邻3层特征加权融合, 获取丰富的上下文信息和空间信息; 然后采用cosIoU计算检测框之间的余弦相似度与重叠面积, 使目标定位更准确; 最后使用cosIoU-NMS代替Greedy-NMS抑制置信度分数较高的冗余框, 保留更准确的检测结果.以RetinaNet和FCOS为基准, 在PASCAL VOC数据集上的实验结果表明, 所提算法的检测精度达到81.3%和82.3%, 分别提升2.8个百分点和1.2个百分点; 在MS COCO数据集上检测精度达到36.8%和38.0%, 分别提升1.0个百分点和0.7个百分点; 该算法能够增强特征表征能力, 筛除多余的检测框, 有效地提高检测性能.

来源：2024年第1期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第1期