一种改进的SSD网络车载图像检测方法

摘要：

对行人和车辆的检测识别是无人驾驶领域的重要组成部分,为满足该领域对相关模型检测精确度的需求,以传统单发多框检测器(single shot multibox detector,SSD)为基础,提出了一种车载图像识别改进算法.鉴于传统SSD目标检测算法不能充分利用局部特征和全局语义特征、目标定位和识别存在矛盾等缺陷,提出了SSD检测模型相关特征层的融合方法,从而重新生成模型的目标检测金字塔(object detection pyramid,ODP).改进算法将输入图像中待检测目标的低层次细节特征与高层次语义特征结合起来,降低了待检测目标定位与识别间的矛盾,达到了提升模型检测精确度的目的.利用行车记录仪获得的车载图像数据集进行训练,实验结果表明,改进的SSD算法在相关图像数据集的测试集上可以达到79.2％的精确度,与传统的SSD算法相比精确度提高了2.3％.

关键词：SSD模型、检测精确度、卷积神经网络、目标检测、特征层融合

所属期刊栏目：31

分类号：TP18(自动化基础理论)

资助基金：山西省软科学基金资助项目2011041033-03

在线出版日期：2021-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：85-90