Mask R-CNN中特征不平衡问题的全局信息融合方法

摘要

特征不平衡问题是影响神经网络检测效率的关键因素.针对Mask R-CNN中的特征不平衡问题,提出一种基于全局特征金字塔网络(GFPN)的信息融合方法.通过将GFPN产生的不同大小特征相融合,生成包含全局语义信息的特征网络,并采用反向过程对原始特征层进行重新标度,从而使得每个特征层均含有全局语义信息.实验结果表明,与原始基于Mask R-CNN的方法相比,该方法的检测精度提升4～6个百分点,而检测时间仅增加0.112 s.