论文部分内容阅读
针对在工业安监目标检测领域中,由于尺度多样性、小目标导致的精度较低的问题,提出了一种改进算法.首先在训练阶段利用目标可变占比数据增强算法,使得神经网络学习到多个尺度的目标信息;然后利用多尺度特征池化层,捕捉不同大小的目标信息,使得网络对不同尺度的目标更加敏感.实验在安全帽和口罩佩戴数据集上与原始方法进行了对比实验,实验结果表明,提出的算法在小目标和尺度多样性问题上具有更好的精度和鲁棒性.