本文共 486 字，大约阅读时间需要 1 分钟。

基于中心差分卷积的新型帧级目标检测方法

最近提出了一个基于中心差分卷积（CDC）的新型帧级目标检测方法称为FAS。该方法通过综合强度和梯度信息，能够更好地捕捉目标的内部细节模式。与传统的卷积网络相比，采用中心差分卷积构建的CDCN（中心差分卷积网络）具有更强的模型鲁棒性和稳定性。

此外，在专门设计的CDC搜索空间中，通过神经结构搜索（Neural Architecture Search，NAS）发现了一种更强大的网络结构CDCN++。该网络结构不仅可以集成多尺度注意力融合模块（Multi-Scale Attentional Fusion Module，MAFM），从而进一步提升检测性能，还在多个基准数据集上展现了优异的性能。具体而言，在6个基准数据集上的实验结果显示，该方法在内部测试中表现优异，尤其是在OULU-NPU数据集（Protocol1）上实现了0.2%的ACER；而在跨数据集测试中的通用性也得到了充分验证，例如从CASIAMFSD到Replay-Attack数据集的迁移实验中，HTER降低了6.5%。

通过神经结构搜索发现更优的CDCN++网络结构

转载地址：http://ussz.baihongyu.com/