基于RetinaNet的密集型钢筋计数改进算法

提出了一种基于RetinaNet目标检测框架,结合高斯混合模型(GMM)和期望最大化(EM)算法的钢筋计数方法。通过在RetinaNet特征提取后端增加Soft-IOU层以对预测框与真实框的交并比进行评估。借助Soft-IOU评估到的质量分数,生成钢筋目标检测的高斯混合模型。针对RetinaNet原始框架对密集目标检测效果欠理想的问题,采用了基于EM算法的高斯混合聚类方法解决歧义检测以提高计数精度。实验结果表明:改进后的方法较RetinaNet算法平均精度提高了3.3%,计数均方根误差提升了64.2,具有很强的适应性。