一种基于视觉特征区域建议的目标检测方法
来源期刊：控制与决策2020年第6期
论文作者：李会军 王瀚洋 李杨 叶宾
文章页码：1323 - 1328
关键词：目标检测;区域建议;卷积神经网络分类;视觉特征提取;
摘 要：虽然基于深度学习的目标检测器具有较高的检测精度,但是大多数检测器的检测速度不能满足实时性要求.此外,目前主流的实时检测算法如SSD （single shot multibox detector）和YOLO （you only look once）,对小目标的检测精度不高.鉴于此,提出一种基于视觉特征区域建议的目标检测算法,能够综合平衡检测精度和检测速度.算法分为区域建议和网络分类,区域建议根据目标的特征信息提取候选区域ROI （region of interest）;网络分类使用CNN （convolutional neural network）对区域建议中提取的ROI进行处理,计算每个ROI类别的置信度,置信度大于设定阈值的ROI即为目标检测结果.实验结果表明,所提出算法的检测精度明显高于Faster R-CNN、SSD和YOLO,并且具有接近SSD和YOLO的检测速度.
李会军，王瀚洋，李杨，叶宾
中国矿业大学信息与控制工程学院
摘 要：虽然基于深度学习的目标检测器具有较高的检测精度,但是大多数检测器的检测速度不能满足实时性要求.此外,目前主流的实时检测算法如SSD （single shot multibox detector）和YOLO （you only look once）,对小目标的检测精度不高.鉴于此,提出一种基于视觉特征区域建议的目标检测算法,能够综合平衡检测精度和检测速度.算法分为区域建议和网络分类,区域建议根据目标的特征信息提取候选区域ROI （region of interest）;网络分类使用CNN （convolutional neural network）对区域建议中提取的ROI进行处理,计算每个ROI类别的置信度,置信度大于设定阈值的ROI即为目标检测结果.实验结果表明,所提出算法的检测精度明显高于Faster R-CNN、SSD和YOLO,并且具有接近SSD和YOLO的检测速度.
关键词：目标检测;区域建议;卷积神经网络分类;视觉特征提取;
