改进SSD特征融合的目标检测算法研究

摘要：

针对目标检测在复杂环境下存在漏检和误检问题,提出一种在SSD(single shot multibox detector)算法中引入RFB(receptive field block)模块的方法,采用将Conv4_3、FC7、Conv8_2三个浅特征层进行特征连接的融合策略来检测小物体.加入空洞卷积层提高感受并获取更多目标尺度信息,利用网络结构连接浅层特征.在后三个深特征层Conv9_2、Conv10_2、Conv11_2中使用反卷积模块进行特征融合,生成新的Conv9_2和新的Conv10_2,使用RFB模块减少参数计算来检测物体.经过NMS(non-maximum suppression)处理进行目标检测的分类与回归.在PASCAL VOC2007、CSV和COCO2017数据集上的实验结果表明,该算法的检测精度得到了提升,其mAP相比DSSD(deconvolutional SSD)提升6.6个百分点,比SSD提升12.1个百分点,检测速度为49.1 FPS,同时对复杂环境具有良好的鲁棒性以及实时检测能力.

关键词：目标检测、SSD、特征连接、特征融合

所属期刊栏目：59

分类号：TP391.41(计算技术、计算机技术)

资助基金：陕西省自然科学基金;陕西省重点产业创新链群项目

在线出版日期：2023-11-27（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：193-201