基于改進(jìn)型Faster R CNN的倉儲(chǔ)環(huán)境物體識(shí)別技術(shù)研究

摘 要：為解決傳統(tǒng)目標(biāo)檢測(cè)精確度不高、有效性差、難以適應(yīng)倉儲(chǔ)環(huán)境下多目標(biāo)識(shí)別應(yīng)用場(chǎng)景的問題，提出了一種改進(jìn)型Faster RCNN目標(biāo)檢測(cè)算法。首先，采用ResNet50替換VGG16作為特征提取網(wǎng)絡(luò)，以提高模型的檢測(cè)精度；同時(shí)，為兼顧多尺度及小目標(biāo)物體的檢測(cè)，引入了特征金字塔網(wǎng)絡(luò)，形成了殘差金字塔特征提取網(wǎng)絡(luò)ResFPN；其次，引入了注意力機(jī)制，提高輸入特征的空間和通道有效信息利用率；最后，使用RoI Align代替原有的RoI Pooling，以消除因量化取整而產(chǎn)生的預(yù)測(cè)框回歸誤差。（剩余7507字）