基于反卷积和特征融合的SSD小目标检测算法
由于小目标的低分辨率和噪声等影响,大多数目标检测算法不能有效利用特征图中小目标的边缘信息和语义信息,导致其特征与背景难以区分,检测效果差.为解决SSD(single shot multibox detector)模型中小目标特征信息不足的缺陷,提出反卷积和特征融合的方法.先采用反卷积作用于浅层特征层,增大特征图分辨率,然后将SSD模型中卷积层convll 2的特征图上采样,拼接得到新的特征层,最后将新的特征层与SSD模型中固有的4个尺度的特征层进行融合.通过将改进后的方法与VOC2007数据集和KITTI车辆检测数据集上的SSD和DSSD方法进行比较,结果表明:该方法降低了小目标的漏检率,并提升整体目标的平均检测准确率.
小目标检测、反卷积、特征映射、多尺度、特征融合、SSD模型、PASCAL VOC数据集、KITTI数据集
15
TP18(自动化基础理论)
国家自然科学基金项目61773160
2020-08-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
310-316