基于改进SSD的车辆小目标检测算法研究

摘要：

针对SSD(single shot multibox detector,单步多盒检测)算法在车辆的自动紧急制动(AEB)中对远方目标检测效果差、检测速度慢、对硬件资源需求高的问题,提出了一种基于SSD的改进算法.首先用MobileNetv2替换SSD中的AGG-16作为检测网络,以减少参数数量和计算量,降低网络对硬件性能的需求;其次,提出了特征增强和融合的方法,反复挖掘目标信息,并把不同特征层的信息进行融合,以提高对小目标检测的能力;最后,对先验框解码过程进行改进,减少网络需要解码的先验框数量,再次减少计算量,提高网络检测速度,并调整先验框的尺寸,进一步增强小目标检测的能力.把改进后的网络和SSD300、YOLO、MobileNetv2-SSD等网络在KITTI数据集上进行检测和对比分析,实验结果表明,改进后的网络对小目标识别的速度有所加快,鲁棒性更好,准确率更高,同时也降低了对硬件配置资源的需求.

关键词：卷积神经网络、目标检测、小目标、特征增强、特征融合

所属期刊栏目：32

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家重大科研项目51827812

在线出版日期：2022-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7