-
题名分段反卷积改进SSD的目标检测算法
被引量：7
- 1
-
-
作者
马跃
赵志浩
尹震宇
樊超
柴安颖
李成蒙
-
机构
中国科学院沈阳计算技术研究所
中国科学院大学
-
出处
《小型微型计算机系统》
CSCD
北大核心
2021年第7期1415-1420,共6页
-
基金
国家重点研发计划项目(2017YFE0125300)资助
辽宁省“兴辽英才计划”项目(XLYC1807043)资助。
-
文摘
针对当前SSD算法低层特征图语义信息不足导致存在小目标漏检以及误检的问题,提出一种基于分段反卷积改进SSD的目标检测算法SD-SSD(Segmented Deconvolution-Single Shot M ulti Box Detector).根据SSD模型低层特征图语义信息提取不足,高层特征图边缘信息丢失过多,本文重新设计了融合结构,不仅降低了计算过程中的参数数量,而且丰富了各个特征图的细节信息和语义信息;由于特征图反卷积的次数过多会增加噪声信息,本文将模型中高层特征图分成三段做分段反卷积与低层特征层融合;为增强小目标在模型下的检测效果,增加更低层次的特征图进行特征融合,着重检测小目标.在Pascal VOC2007测试集上进行验证,本文SD-SSD模型大幅度提高了小目标类别的AP值,mAP相对SSD模型和DSSD模型分别提高了4.30%和3.0%,相比目前主流单阶段目标检测算法,本文算法保持了较高的检测精度和检测速度.
-
关键词
分段反卷积
特征融合
SSD模型
小目标
目标检测算法
-
Keywords
segmented deconvolution
feature fusion
SSD model
small object
object detection algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
