Mask R-CNN中特征不平衡问题的全局信息融合方法
来源：计算机工程杂志2021年第3期北京时间：
作者：文韬, 周稻祥, 李明
单位：太原理工大学 大数据学院, 山西 晋中 030600
摘要：特征不平衡问题是影响神经网络检测效率的关键因素。针对Mask R-CNN中的特征不平衡问题，提出一种基于全局特征金字塔网络（GFPN）的信息融合方法。通过将GFPN产生的不同大小特征相融合，生成包含全局语义信息的特征网络，并采用反向过程对原始特征层进行重新标度，从而使得每个特征层均含有全局语义信息。实验结果表明，与原始基于Mask R-CNN的方法相比，该方法的检测精度提升4~6个百分点，而检测时间仅增加0.112 s。
关键词：特征不平衡,全局特征金字塔网络,语义信息,Mask R-CNN方法,深度学习
基金资助：国家自然科学基金（11771321）；山西省科技厅社会发展科技攻关计划（201703D321032）。
