剔除包含框:基于角点检测网络算法研究

CornerNet算法在目标检测中基于关键点检测目标,不同于传统的提前预设锚框方法,CornerNet预测目标框的左上与右下角点,通过角点匹配形成预测框定位出目标位置。但这种方法会将同类且相似物体的角点进行错误匹配,生成包含2个正确预测框的错误大框,影响视觉效果与精确度。针对此问题,提出DIB模型并加入CornerNet网络中,首先过滤掉CornerNet检测的预测框中置信度小于0.5的框,然后筛选出同时被匹配多次的左上与右下角点形成的框并剔除,最后检测出被同时多次匹配的左下与右上角点形成的框并删除。模型解决了CornerNet生成包含框的问题,取得了更好的视觉效果并获得了精度上的提升。