期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
多尺度卷积特征融合的SSD目标检测算法
被引量：
56
1
作者
陈幻杰
王琦琦
+4 位作者
杨国威
韩佳林
尹成娟
陈隽
王以忠
《计算机科学与探索》
CSCD
北大核心
2019年第6期1049-1061,共13页
提出了一种改进的多尺度卷积特征目标检测方法,用以提高SSD(single shot multibox detector)模型对中目标和小目标的检测精确度。该方法先对SSD模型低层特征层采用区域放大提取的方法以提高对小目标的检测能力,再对高层特征层进行特征...
提出了一种改进的多尺度卷积特征目标检测方法,用以提高SSD(single shot multibox detector)模型对中目标和小目标的检测精确度。该方法先对SSD模型低层特征层采用区域放大提取的方法以提高对小目标的检测能力,再对高层特征层进行特征提取以改善中目标的检测效果。最后,利用SSD模型中原有的多尺度卷积检测方法,将改进的多层特征检测结果进行融合,并通过参数再训练以获得最终改进的SSD模型。实验结果表明,该方法在MS COCO数据集上对中目标和小目标的测试精确度分别为75.1%和40.5%,相比于原有SSD模型分别提升16.3%和23.1%。
展开更多
关键词
单次多
框
目标
检测器
(
ssd
)模型
多尺度特征融合
目标
检测
深度学习
在线阅读
下载PDF
职称材料
改进的SSD-ResNet算法
被引量：
2
2
作者
孟婧
江平
+1 位作者
王凯
蒋鑫宇
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2023年第3期326-332,共7页
单次多边界框检测器(single shot multibox detector,SSD)算法因其性能优良已被应用于许多场景中,但该算法对小目标物体的检测精度偏低,主要原因是高层的语义信息没有被充分利用。为解决该问题,文章将其基础网络替换为残差网络(residual...
单次多边界框检测器(single shot multibox detector,SSD)算法因其性能优良已被应用于许多场景中,但该算法对小目标物体的检测精度偏低,主要原因是高层的语义信息没有被充分利用。为解决该问题,文章将其基础网络替换为残差网络(residual network,ResNet),同时融合深浅层的特征信息来增强浅层特征图的语义信息,此外还引入注意力模块,保留更多的目标特征信息,抑制无关信息,进一步提升对小目标物体的检测效果。在PASCAL VOC2007数据集上进行实验测试,平均精度均值为80.2%,优于其他SSD改进算法。由于增加了特征融合和注意力模块,所提算法检测速度有所下降,但相比于SSD改进算法,检测速度仍有明显的优势。
展开更多
关键词
目标
检测
单次多
边界
框
检测器
(
ssd
)
残差网络(ResNet)
特征融合
注意力机制
在线阅读
下载PDF
职称材料
题名
多尺度卷积特征融合的SSD目标检测算法
被引量：
56
1
作者
陈幻杰
王琦琦
杨国威
韩佳林
尹成娟
陈隽
王以忠
机构
天津科技大学电子信息与自动化学院
麦克马斯特大学电子与计算机工程系
出处
《计算机科学与探索》
CSCD
北大核心
2019年第6期1049-1061,共13页
文摘
提出了一种改进的多尺度卷积特征目标检测方法,用以提高SSD(single shot multibox detector)模型对中目标和小目标的检测精确度。该方法先对SSD模型低层特征层采用区域放大提取的方法以提高对小目标的检测能力,再对高层特征层进行特征提取以改善中目标的检测效果。最后,利用SSD模型中原有的多尺度卷积检测方法,将改进的多层特征检测结果进行融合,并通过参数再训练以获得最终改进的SSD模型。实验结果表明,该方法在MS COCO数据集上对中目标和小目标的测试精确度分别为75.1%和40.5%,相比于原有SSD模型分别提升16.3%和23.1%。
关键词
单次多
框
目标
检测器
(
ssd
)模型
多尺度特征融合
目标
检测
深度学习
Keywords
single shot multibox detector(
ssd
)
multi-scale feature fusion
object detection
deep-learning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
改进的SSD-ResNet算法
被引量：
2
2
作者
孟婧
江平
王凯
蒋鑫宇
机构
合肥工业大学数学学院
出处
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2023年第3期326-332,共7页
基金
国家自然科学基金资助项目(12172115)。
文摘
单次多边界框检测器(single shot multibox detector,SSD)算法因其性能优良已被应用于许多场景中,但该算法对小目标物体的检测精度偏低,主要原因是高层的语义信息没有被充分利用。为解决该问题,文章将其基础网络替换为残差网络(residual network,ResNet),同时融合深浅层的特征信息来增强浅层特征图的语义信息,此外还引入注意力模块,保留更多的目标特征信息,抑制无关信息,进一步提升对小目标物体的检测效果。在PASCAL VOC2007数据集上进行实验测试,平均精度均值为80.2%,优于其他SSD改进算法。由于增加了特征融合和注意力模块,所提算法检测速度有所下降,但相比于SSD改进算法,检测速度仍有明显的优势。
关键词
目标
检测
单次多
边界
框
检测器
(
ssd
)
残差网络(ResNet)
特征融合
注意力机制
Keywords
object detection
single shot multibox detector(
ssd
)
residual network(ResNet)
feature fusion
attention mechanism
分类号
TP391.413 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
多尺度卷积特征融合的SSD目标检测算法
陈幻杰
王琦琦
杨国威
韩佳林
尹成娟
陈隽
王以忠
《计算机科学与探索》
CSCD
北大核心
2019
56
在线阅读
下载PDF
职称材料
2
改进的SSD-ResNet算法
孟婧
江平
王凯
蒋鑫宇
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2023
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
