《基于FCOS的平交路口目标检测算法分析》4100字.docxVIP

基于FCOS的平交路口目标检测算法分析

目录

TOC\o1-3\h\u11158基于FCOS的平交路口目标检测算法分析 1

41011.1概述 1

301101.2FCOS模型分析讨论 2

313151.2.1FCOS模型描述 2

166811.2.2FCOS与RetinaNet的分析比较 4

198321.3基于损失反馈的图像拼接训练方法 4

99851.4样本点权重优化 6

318001.4.1基于centerness的样本点权重 6

326601.5实验结果分析 6

1.1概述

Anchorbased长期以来是目标检测算法的主流方法，经典方法FasterR-CNN、SSD、YOLOv2、YOLOv3、RetinaNet等均基于anchor，anchorbased算法存在以下缺点：1）引入关于anchor的超参数，包括anchor的尺度、长宽比、数量，检测准确性与这些超参数相关度大，当场景变化，目标尺寸分布发生剧烈变化时，需重新调整来适应不同的数据集特点，导致检测器的泛化性低；2）为了达到更高的查全率，一般需要密集铺设anchor，例如在FPN中，对于短边为800的图片，设置超过18万个anchor。大部分的anchor最终会被匹配为负样本，导致训练中正负样本极不平衡，影响检测器的准确性；3