基于改进SSD的车辆小目标检测方法

摘要：

地面车辆目标检测问题中由于目标尺寸较小,目标外观信息较少,且易受背景干扰等的原因,较难精确检测到目标.围绕地面小尺寸目标精准检测的问题,从目标特征提取的角度提出了一种特征融合的子网络.该子网络引入了重要的局部细节信息,有效地提升了小目标检测效果.针对尺度、角度等的变换问题,设计了基于融合层的扩展层预测子网络,在扩展层的多个尺度空间内匹配目标,生成目标预测框对目标定位.在车辆小目标VEDAI(vehicle detection in aerial imagery)数据集上的实验表明,算法保留传统SSD(single-shot multibox detector)检测速度优势的同时,在精度方面有了明显提升,大幅提升了算法的实用性.

关键词：计算机视觉、目标检测、深度学习、车辆小目标、特征融合

所属期刊栏目：41

分类号：TN206;TP391.4(光电子技术、激光技术)

资助基金：中国科学院青年创新促进会2016336

在线出版日期：2020-04-10（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：150-155