TY -的A2 -王,鹏威盟——他,Lifei盟——江,明非盟(Ohbuchi Ryutarou盟——Furuya Takahiko ijichi盟——张,分盟- Li Pengfei PY - 2020 DA - 2020/12/22 TI -尺度自适应特征金字塔网络2 d对象检测SP - 8839979六世- 2020 AB -目标检测是计算机视觉的核心任务之一。目标检测算法在检测不同尺度的目标，特别是较小尺度的目标时往往存在困难。为了解决这个问题，Lin等人提出了特征金字塔网络(fpn)，其目标是在每个尺度层次上具有更高的语义内容的特征金字塔。FPN由自底向上的金字塔和自顶向下的金字塔组成。自底向上的金字塔是由卷积神经网络作为其特征映射层而形成的。自顶向下的金字塔是由一个高度语义但低分辨率的特征图在自底向上的金字塔的顶部逐步向上采样形成的。在每一个上采样步骤中，将自底向上金字塔的特征图与自顶向下金字塔的特征图融合，生成自顶向下金字塔的高语义高分辨率特征图。尽管有了显著的改进，FPN仍然无法探测到小型目标。为了进一步提高小尺度目标的检测能力，本文提出了尺度自适应特征金字塔网络(SAFPNs)。SAFPN在融合自底向上金字塔和自顶向下金字塔特征图时，根据每个输入图像自适应选择权值。 Scale adaptive weights are computed by using a scale attention module built into the feature map fusion computation. The scale attention module is trained end-to-end to adapt to the scale of objects contained in images of the training dataset. Experimental evaluation, using both the 2-stage detector faster R-CNN and 1-stage detector RetinaNet, demonstrated the proposed approach’s effectiveness. SN - 1058-9244 UR - https://doi.org/10.1155/2020/8839979 DO - 10.1155/2020/8839979 JF - Scientific Programming PB - Hindawi KW - ER -