基于深度学习的深层次多尺度特征融合目标检测算法
基于对SSD(Single Shot MultiBox Detector)目标检测算法的分析,提出了一种基于深度学习的深层次多尺度特征融合目标检测(DMSFFD)算法.首先将SSD的特征层与相邻特征层进行融合,在融合之后的特征图中加入尺寸为3 pixel X 3 pixel的卷积层,以减小上采样的混叠效应.之后进行更深层的特征融合,分别对较小的三个卷积层进行上采样操作,然后对4个特征层进行concate操作,以生成语义信息更加丰富的特征图,从而实现多尺度的小目标检测.为了节省计算资源,提高算法的实时性,基础网络选用VGG16.融合后的算法虽然相对于SSD较为复杂,但实时性基本得到了保证,而且DMSFFD算法能够成功检测大部分SSD网络漏检的小目标,检测精度相对于SSD也有较大提升.
图像处理、计算机视觉、卷积神经网络、目标检测、特征融合
58
TP391(计算技术、计算机技术)
2021-08-25(万方平台首次上网日期,不代表论文的发表时间)
共9页
304-312