全球远程功能调制端到端检测检测
XiaoAn Bao1, WenJing Yi1, XiaoMei Tu2
1School of Computer Science and Technology, Zhejiang Sci-Tech University, Hangzhou, 310018, Zhejiang Province, China.
Scientific reports
|August 7, 2024
概括
本研究引入了全球远程特征调制端到端 (GRFME2E) 算法,以提高对象检测的准确性,特别是在密集和封闭的场景中. GRFME2E算法在猪和人群数据集上实现了高精度.
科学领域:
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
- 对象检测检测器可以检测到物体.
背景情况:
- 完全卷积网络在对象检测方面表现出色,但在密集和封闭的目标方面却很难.
- 现有的算法在挑战密集和封闭的场景时缺乏准确性.
研究的目的:
- 提出一种全新的全球远程特征调制端到端 (GRFME2E) 检测算法.
- 解决目前在密集和封闭场景中的物体探测器的局限性.
主要方法:
- 引入了集中注意力特征金字塔网络 (CAFPN),用于增强特征提取,捕获全球依赖和位置敏感信息.
- 开发了一种两阶段检测头 (TS头),具有第一到几 (F-O2F) 和第二到几 (S-O2F) 模块,分别处理不受阻碍和被遮蔽的物体.
- 集成的CAFPN和TS头部用于端到端的对象检测.
主要成果:
- 在猪检测数据集上获得了98.4%的准确性.
- 在CrowdHuman数据集上获得了91.8%的准确性,优于现有方法.
- 通过不同程度的遮蔽来证明对象的有效检测.
结论:
- GRFME2E算法在具有挑战性的密集和封闭环境中显著提高了对象检测性能.
- CAFPN和TS Head有效地增强了特征表示和检测能力.
- GRFME2E为现实世界物体检测应用提供了强大的解决方案.
