改进多层尺度特征融合的目标检测算法

摘要：

为提高小目标检测任务的准确率和稳定性,解决SSD(single shot MultiBox detector)算法在小目标识别和定位过程中准确率较低的问题,基于SSD算法提出一种改进方法.在原始的SSD卷积网络结构上进行修改和优化,通过特征图之间的特征融合,重构卷积预测特征图上的物体特征信息.考虑到网络复杂度增加带来的数据分布变化的影响,加入批量归一化BN(BatchNorm)层.在PASCAL VOC2007数据集和生活用品(Supplies Dataset)数据集上的实验结果表明,改进算法的mAP相比原始SSD分别提高了10.4％、15.1％.鉴于网络融合带来的参数增加,改进算法的检测速度仍表现良好,符合算法的实时性要求.

关键词：深度学习;目标识别与定位;卷积网络;SSD算法;特征融合

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省自然科学基金BK20130159

在线出版日期：2022-02-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：157-164