计算机工程与应用

作者：齐林, 林潇, 张倩倩

单位：1.北京信息科技大学 管理科学与工程学院，北京 102206；2.绿色发展大数据决策北京市重点实验室，北京 102206；3.北京信息科技大学 计算机学院，北京 102206；

关键词：目标检测,神经网络,YOLO

基金：国家重点研发计划课题（2021YFC3340501）；北京市属高等学校优秀青年人才培育计划项目（BPHR202203235）。

目标检测是计算机视觉领域的重要分支，它需要对图像中的目标完成分类与定位。单阶段目标检测速度较快，但也存在预测框与真实框误差过大的问题，并且在对小、遮挡、密集目标检测时的效果较差。当前的研究主要聚焦于网络架构的优化，但取得的提升有限。提出基于非中心的目标检测框架，采用非中心的预测框推理策略、基于图像分割标签的样本划分策略以及极大值合并的后处理方法。该优化方法具有较强的泛化能力，可以运用在各类使用全卷积神经网络的单阶段目标检测器上。进行了消融实验以验证上述方法的有效性，并在不同尺度的基线模型上进行了对比实验。结果表明，在不提升计算消耗且使用相同主干网络的前提下，AP50-95与AP50分别平均提升了1.6与2.38个百分点。

来源：2026年第3期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第3期