基于改进Faster R-CNN-FPN的田间劳作行为目标检测算法

摘要

劳作行为检测时存在着检测精度不高和漏检等问题，利用Faster R-CNN和FPN提出一种改进的劳作行为检测模型。首先，在Faster R-CNN框架基础上，引入特征金字塔网络FPN，用于提高较小目标的检测能力。然后，为提高模型对不同尺度目标的泛化能力，加入多尺度MS训练；并利用内容感知特征重组CARAFE上采样算子替换FPN中的双线性插值上采样方式，实现大范围内像素的关联。最后，在自建的数据集FWBD上对改进的Faster R-CNN-FPN检测模型进行训练和测试。结果表明：(1)与YOLOv3模型相比，改进的劳作行为识别算法mAP为69.40%；(2)与原始模型Faster、Faster-CARAFER、Faster-MS相比，改进的算法模型mAP值最高，达到了71.05%，说明改进的算法模型能有效地实现田间劳作行为的检测，对农业生产实践具有实际应用价值。

关键词

田间劳作 / 行为检测 / Faster R-CNN / 特征金字塔网络 / 内容感知特征重组