基于 EfficientNet 的无锚框目标检测模型

来源：计算机技术与发展杂志2024年第01期北京时间：

作者：卜子渝;杨哲;';刘纯平;'

单位：1. 苏州大学 计算机科学与技术学院,江苏 苏州 215006;2. 江苏省计算机信息处理技术重点实验室,江苏 苏州 215006;3. 江苏省大数据智能工程实验室,江苏 苏州 215006

摘要：目标检测是计算机视觉的热门研究方向之一,包含分类和定位两个任务。 针对单阶段目标检测模型普遍存在的两个问题:训练时正负样本的不均衡以及锚框的设置需要人工干预,提出一种基于 EfficientNet 的无锚框目标检测模型(Anchor-free Efficientnet-based Object Detector,AEOD)。 AEOD 先筛选出落在目标框中的特征点,再根据特征点所作的预测计算代价矩阵,在训练时基于代价矩阵为目标动态分配正负样本,从而达到平衡二者数量的目的。 此模型通过特征图中的特征点直接预测目标的位置和形状,不仅省去了人工设置锚框的环节,还提高了可检出目标的数量。 此外,可缩放的EfficientNet 进一步提高了模型的泛化能力,使之可以接收多尺度的输入。 在 PASCAL VOC07 +12 数据集中,AEOD 最高可以获得 91. 3% 的平均精度(mAP) ,检测速度达到 32. 1 FPS,较其他主流的目标检测模型有显著提升。

关键词：深度学习;计算机视觉;目标检测;正负样本分配算法;无锚框