文章详情
| 稿件标题： | 基于特征增强和损失优化的弱监督目标检测算法 |
| 稿件作者： | 李冰锋1,2,段鑫鑫1,2,杨艺1,2,费树岷3 |
| DOI： | 10.11809/bqzbgcxb2023.06.028 |
| 科学编辑： | 田鹏辉 博士（西安工业大学副教授） |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | 弱监督目标检测；多示例学习；高效可选择通道注意力；回归损失；动态优化 |
| 文章摘要： | 针对弱监督目标检测中只能检测出图像中最具有辨别性部分和训练过程极易陷入局部最优问题，提出了一种特征增强和损失优化的弱监督目标检测算法。该算法设计了一种高效可选择通道注意力模块，该模块通过关联通道的选择来提高其局部信息的交互能力，以此来扩大最具辨别性的示例目标区域；此外，通过对网络回归损失函数施加针对性的动态权重，使其能够自动弱化回归分支中伪标注边界框不准确性的影响，提高目标定位的精度。在PASCAL VOC 2007及PASCAL VOC 2012数据集上的实验表明，相比其他同类算法，该算法能够有效地提高弱监督目标检测的精度。同时，由于该算法引入的额外训练参数和计算负担几乎可以忽略不计，因此还具有良好的高效性。 |
| 稿件基金： | 国家自然科学基金项目（61973105）；河南省科技攻关项目(222102210230)；河南理工大学博士基金项目(B201833) |
| 引用本文格式： | 李冰锋,段鑫鑫,杨艺，等.基于特征增强和损失优化的弱监督目标检测算法［J］.兵器装备工程学报，2023，44(6)：196-203. LI Bingfeng, DUAN Xinxin, YANG Yi, et al.Weakly supervised object detection algorithm based on feature enhancement and loss optimization［J］.Journal of Ordnance Equipment Engineering，2023，44(6)：196-203. |
| 刊期名称： | 2023年06期 |
| 出版时间： | 2023年6月 |
| 上线时间： | 2023年6月28日 |
| 浏览次数： | 1697 |
| 下载次数： | 51 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |