《基于Keypoint的CenterNet++目标检测网络分析概述》2300字.docxVIP

基于Keypoint的CenterNet++目标检测网络分析概述

目录

TOC\o1-3\h\u18063基于Keypoint的CenterNet++目标检测网络分析概述 1

220911.1网络结构 1

34851.2尺度自适应编码模块 2

247801.3类别注意力模块 4

137571.4损失函数 6

1.1网络结构

CenterNet++整体结构如图2.1所示。在实验中，我们采用ResNet和DLANet作为骨架网络，用于特征的提取。将骨架网络提取的特征使用Up-Sampling模块放大到原图像尺度的1/4。Up-Sampling模块使用可变性卷积和转置卷积交替组成，在保留有效信息的同时放大特征图。放大后的特征图连接到三个检测头部，分别为分类预测头（Classpredictionhead）、宽高预测头（WHpredictionhead）和中心点偏移量预测头（Centeroffsetpredictionhead）。分类预测头用于确认目标的存在并通过通道ID确认目标分类，分类预测头中加入了类别注意力模块，用于挖掘类内和类间的相距较远但语义相关的目标之间的有效信息。宽高预测头用于中心点所代表的目标框的宽高。中心点偏移量预测头用于预测目标中心点在尺度自适应编码模块编码过程中存在的精度丢失的数值。分类预测头、宽高预测头