基于改进Faster RCNN的微操作空间目标检测算法

doi:10.13873/J.1000-9787(2024)03-0144-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进Faster RCNN的微操作空间目标检测算法

更新时间：2025-09-11

- 基于改进Faster RCNN的微操作空间目标检测算法
- Issue 3, Pages: 144-147+151(2024)
- 作者机构：
  
  武汉理工大学机电工程学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2024)03-0144-04
  CLC： TP183;TP391.41
- Published：2024
- 稿件说明：
移动端阅览
[J]. 2024, (3): 144-147+151.
DOI：

[J]. 2024, (3): 144-147+151. DOI： 10.13873/J.1000-9787(2024)03-0144-04.

摘要

将Faster RCNN引入微操作系统的目标检测之中。针对微操作空间下待检测目标存在尺度变化和在显微镜放大倍数较小时，待检测目标尺度过小、特征不明显的问题，提出了一种基于改进Faster RCNN的微操作空间目标检测算法。使用在图像分类任务中性能优越的深度残差网络提取图像的特征。引入递归特征金字塔网络，对特征进行融合。改进区域建议网络的采样策略，对损失函数进行优化。实验结果表明：这种改进的Faster RCNN算法能有效解决由于目标尺度变化和目标尺度过小带来的问题。相比通用的目标检测算法，该算法的准确度更高，速度更快，具有实际应用价值。

Abstract

关键词

Keywords

references

黄开启,刘小荣,黄茂云.基于改进YOLOv3的小目标检测方法研究[J].传感器与微系统,2022(04).

王莉,崔帅华,苏波,宋照肃.小尺度交通信号灯的检测与识别[J].传感器与微系统,2022(02).

张彤彤,董军宇,赵浩然,李琼,孙鑫.基于知识蒸馏的轻量型浮游植物检测网络[J].应用科学学报,2020(03).

彭刚,杨诗琪,黄心汉,苏豪.改进的基于区域卷积神经网络的微操作系统目标检测方法[J].模式识别与人工智能,2018(02).

Zhang Xiangyu,Zou Jianhua,He Kaiming,Sun Jian.Accelerating Very Deep Convolutional Networks for Classification and Detection.[J].IEEE transactions on pattern analysis and machine intelligence,2016.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

融合Transformer的改进遮挡人脸识别算法

轻量化深度学习网络的条码定位算法

基于改进SSD的车内宠物遗落检测方法

基于V5CA与几何特征的运动物体目标检测及位姿估计方法

基于AMFF网络的课堂专注度评估方法

Related Author

杨雨涵

茅正冲

王艳媛

单彦虎

王子硕

储成群

高昕

赵兴龙

Related Institution

江南大学物联网工程学院

中北大学仪器与电子学院

上海理工大学机械工程学院

新疆大学电气工程学院

山东财经大学计算机科学与技术学院

⁰