声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：王慧薷,王传旭,刘豪,张浩,
单位：青岛科技大学信息科学技术学院,山东青岛266061；
关键词：双分支通道空间依赖,非对称卷积,权重共享,目标检测,
基金：国家基金面上项目(61672305)；；
以往的目标检测任务中，大量研究通过空间和通道信息来构建特征优化算法。然而，如何利用通道和空间中最大和平均特征的信息分布情况进行特征提取，仍是一个挑战。针对上述挑战，构建了双分支通道空间依赖网络，用来提取空间和通道中信息依赖特征，其关键是获取最大特征和平均特征上的重要信息分布情况。为了优化网络的检测精度与计算效率，构建了非对称权重共享卷积网络，利用相同的非对称卷积核进行联合训练来实现权重共享，极大地增强了卷积核参数的鲁棒性。以YOLOv4、YOLOv5和EfficientDet为检测基线，在PASCAL VOC和MS COCO数据集上进行实验，验证了双分支通道空间依赖网络和非对称权重共享卷积网络模块的有效性。在两个数据集上精度最高分别增长了1.98%和2.6%。
来源：2023年第5期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。