面向无人艇环境感知的改进型SSD目标检测方法
为了提升无人艇对典型水面小目标感知能力,本文提出了基于多尺度卷积融合结构和空间注意力加强的改进型SSD目标检测算法.首先,对SSD浅层网络进行多尺度卷积融合,提升浅层网络的语义信息;其次,设计空间注意力结构对卷积特征层逐个增强,提升对弱纹理小目标特征保持性;最后,在VOC公开数据集和自构水面目标数据集上进行了测试,并基于无人艇开展了真实海域目标检测识别验证.实验结果表明,该算法在无人艇Nvidia平台的运行效率可达15 fps,能准确检测识别浮标、桥墩、渔船、快艇和货船等目标,在典型海面场景虚警率为5%时的小目标检测率相对原生SSD算法提升近20.2%,平均有效检测率达到79.3%.
目标检测;深度学习;视觉注意力;多尺度融合;无人艇
41
TP391.4;TH701(计算技术、计算机技术)
湖南省自然科学基金2020JJ5672
2021-12-20(万方平台首次上网日期,不代表论文的发表时间)
共10页
52-61