Resumen

La deteccin de objetos est siendo ampliamente utilizada en muchos campos y, por lo tanto, la demanda de mtodos ms precisos y rpidos para la deteccin de objetos tambin est aumentando. En este artculo, proponemos un mtodo para la deteccin de objetos en imgenes digitales que es ms preciso y rpido. El modelo propuesto se basa en la arquitectura Single-Stage Multibox Detector (SSD). Este mtodo crea muchas cajas de anclaje de varias relaciones de aspecto basadas en la red troncal y la red de caractersticas multiescala y calcula las clases y los equilibrios de las cajas de anclaje para detectar objetos a varias escalas. En lugar del modelo de aprendizaje profundo por transferencia basado en VGG16 en SSD, hemos utilizado una red base ms eficiente, es decir, EfficientNet. La deteccin de objetos de distintos tamaos sigue siendo una tarea estimulante. Hemos utilizado Multiway Feature Pyramid Network (MFPN) para resolver este problema. La entrada a la red base se da a MFPN y, a continuacin, las caractersticas fusionadas se dan a las redes de prediccin de cuadro delimitador y de prediccin de clase. Para reducir el nmero de recuadros delimitadores se aplica la red Softer-NMS en lugar de la red NMS en SSD. El mtodo propuesto se valida en los conjuntos de datos MSCOCO 2017, PASCAL VOC 2007 y PASCAL VOC 2012 y se compara con las tcnicas de vanguardia existentes. Nuestro mtodo muestra una mejor calidad de deteccin en trminos de precisin media (mAP).

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Detección de objetos; Precisión; Métodos rápidos; Detector de cajas múltiples de una etapa (SSD); EfficientNet; Red piramidal de características multidireccionales (MFPN).
• Keywords:Object detection; Accurate; Fast methods; Single-Stage Multibox Detector (SSD); EfficientNet; Multiway Feature Pyramid Network (MFPN)