改进SSD算法的多目标检测

被引:8
作者
马原东 [1 ,2 ]
罗子江 [1 ]
倪照风 [1 ,2 ]
徐斌 [2 ]
吴凤娇 [1 ]
孙收余 [1 ,2 ]
杨秀璋 [1 ]
机构
[1] 贵州财经大学信息学院
[2] 北京盛开互动科技有限公司
关键词
多目标检测; SSD算法优化; 抗旋转卷积层(ARConv); 概率非极大值抑制(P-NMS)算法; 图片批量测试;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
目标检测作为计算机视觉的核心,在人脸识别、人脸跟踪、大规模场景识别等方面具有广泛应用,其中Onestage领域的SSD算法检测速度和检测性能较为突出,但在环境较为复杂的多目标检测情况下仍会出现误检和漏检。针对这一问题,提出一种改进SSD算法的多目标检测方法,通过优化SSD内部网络和提高样本适用性的方式改善检测性能;其中,采用修改网络输出和添加抗旋转层ARConv来统一网络结构,降低模型训练时间,减少漏检;并提出P-NMS算法和限制函数优化训练样本,减少误检;在测试阶段,提出单张图片批量测试方法,有效提高模型召回率。实验结果表明,改进后算法具有更强的鲁棒性,并且能有效降低误检、漏检率提升网络性能。
引用
收藏
页码:23 / 30
页数:8
相关论文
共 4 条
  • [1] 基于改进SSD的高效目标检测方法
    王文光
    李强
    林茂松
    贺贤珍
    [J]. 计算机工程与应用, 2019, (13) : 28 - 35
  • [2] 基于深度学习的目标检测框架进展研究
    寇大磊
    权冀川
    张仲伟
    [J]. 计算机工程与应用 , 2019, (11) : 25 - 34
  • [3] 多尺度卷积特征融合的SSD目标检测算法
    陈幻杰
    王琦琦
    杨国威
    韩佳林
    尹成娟
    陈隽
    王以忠
    [J]. 计算机科学与探索, 2019, 13 (06) : 1049 - 1061
  • [4] Video you only look once: Overall temporal convolutions for action recognition[J] . Longlong Jing,Xiaodong Yang,Yingli Tian.Journal of Visual Communication and Image Represe . 2018