基于CenterNet目标检测算法的改进模型

在原CenterNet算法中,以Hourglass为Backbone的目标检测模型平均精度均值高于one-stage算法,但检测速度较低。为此,基于原有CenterNet目标检测算法,对Hourglass-104模型进行改进,设计一种Hourglass-208模型,并给出双特征金字塔网络特征图融合方法。在此基础上对目标大小和训练采用smooth L 1 损失函数,提出一种新的可端到端训练的目标检测算法T C enterNet。在MS COCO数据集上的实验结果表明,该算法目标检测的评估指标AP 50 、APS、APM分别为63.6%、31.6%、45.8%,检测速度达到36 frame/s,综合性能优于原CenterNet算法。