基于特征融合的深度学习目标检测算法研究

摘要

通过研究卷积神经网络中的特征层级,发现高层特征图的分辨率低、语义信息强,低层特征图的分辨率强、语义信息较弱等问题.针对上述问题提出一种二次特征融合的目标检测算法,该算法在特征金字塔网络(Feature Pyramid Networks,FPN)的基础上对过渡特征重复使用并进行二次特征融合,使丰富的低层特征信息补充到高层.最终在COCO2014的数据集上平均精度AP(Average Precision)、AP50、AP75分别达到了35.3％,57.5％,36.6％,与未使用特征融合方法以及使用传统特征融合的方法相比,分别提升了2.4％,3.7％,2.4％,能改善漏检情况和有利于小目标的检测.