计算机工程与科学

作者：王梅, 李东旭, 陈琳琳, 范思萌, 许传海, 杨二龙

单位：1.东北石油大学计算机与信息技术学院，黑龙江 大庆 163318;2东北石油大学石油工程学院，黑龙江 大庆 163318

关键词：目标检测；Mask RCNN,AT-NMS,ResNet,

基金：国家自然科学基金(51774090);黑龙江省高等教育教学改革重点委托项目(SJGZ20190011)

大数据下的目标检测算法常常会出现目标漏检和重复检测问题，针对此问题提出一种基于自适应阈值-非极大值抑制AT-NMS的Mask RCNN改进算法Mask RCNNAT-NMS。首先在ResNet基础上添加可变形卷积模块增强提取目标多层卷积特征的能力;其次使用AT-NMS算法提取目标候选区域的深层信息;然后通过ROI Align 2次量化处理实现对目标更加精确的定位；最后通过3个分支实现目标实例分割、目标分类和目标边框回归。实验结果表明，在PASCAL-VOC2012和Indoor CVPR_09数据集上，相比于AT-NMS算法，Mask RCNNAT-NMS算法的重复检测率和目标漏检率均有所降低，并且识别精度有所提升。由此可见，Mask RCNNAT-NMS算法能够缓解因固定阈值引起的目标漏检和重复检测问题，且能在此基础上提高检测精度。

来源：2021年第10期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第10期