基于改进SSD算法的车辆检测

摘要：

SSD算法利用多尺度特征图进行分类和位置回归,检测小目标效果优于YOLO算法,但SSD算法在进行车辆检测时存在漏检问题.为此,提出一种改进SSD算法.为提取更多的车辆特征信息,设计改进Inception模块替代SSD网络中的Conv8、Conv9和Conv10层.将浅层特征的位置信息和深层特征的语义信息进行均衡化融合,构建多尺度特征融合均衡化网络,提高小目标车辆识别率.在特征提取层均引入SENet,对不同特征通道的重要性进行重标定以提高模型性能.实验结果表明,改进后SSD算法在自制的车辆数据集上平均精度为90.89％,检测速度达到59.42 frame/s,相比改进前的SSD算法,在精度和速度上分别提高2.65个百分点和17.41 frame/s,能够更快速、准确地对图像中的车辆进行识别和定位.

关键词：车辆检测;SSD算法;Inception结构;注意力机制;特征融合

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：广西创新驱动发展专项AA17202032-2

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：266-274