一种用于室内复杂场景多目标检测的改进Mask RCNN新方法
计算机视觉与模式识别
2023-02-13 v1 图像与视频处理
摘要
随着全球人口老龄化的加剧，应用于室内场景的辅助生活服务机器人将在未来的养老与健康领域发挥关键作用。服务机器人在完成辅助任务时需检测多个目标。然而，室内场景通常复杂且存在多种干扰因素，给多目标检测带来巨大挑战。为克服该技术难题，本文提出一种用于室内复杂场景多目标检测的改进Mask RCNN新方法。该改进模型以Mask RCNN为网络框架，在此基础上集成了具有通道机制与空间机制的卷积块注意力模块（CBAM），并综合考虑了不同背景、距离、角度及干扰因素的影响。同时，为评估所建模型的检测与识别效果，建立了基于损失函数与平均精度均值（mAP）的综合评价体系。为验证，开展了不同距离、背景、角度及干扰因素下检测与识别效果的实验。结果表明，在检测速度近乎相同的情况下，所设计模型将精度提升至更高水平，并较其他方法具有更好的抗干扰能力。
引用
@article{arxiv.2302.05293,
title = {A Novel Improved Mask RCNN for Multiple Targets Detection in the Indoor Complex Scenes},
author = {Zongmin Liu and Jirui Wang and Jie Li and Pengda Liu and Kai Ren},
journal= {arXiv preprint arXiv:2302.05293},
year = {2023}
}