基于多尺度融合SSD的小目标检测算法

被引：33

作者：

赵亚男

吴黎明

陈琦

机构：

[1] 广东工业大学机电工程学院

来源：

计算机工程 | 2020年 / 46卷 / 01期

关键词：

单点多盒探测器; 多尺度融合; 目标检测; 小目标; VGG16网络结构;

D O I：

10.19678/j.issn.1000-3428.0053233

中图分类号：

TP391.41 []; TP181 [自动推理、机器学习];

学科分类号：

080203 ;

摘要：

针对一阶段目标检测算法在识别小目标时无法兼顾精度与实时性的问题,提出一种基于多尺度融合单点多盒探测器(SSD)的小目标检测算法。以SSD和DSSD算法的网络结构为基础,设计融合模块以实现Top-Down结构的功能,形成高层网络与低层网络之间的跳跃连接,结合SSD-VGG16扩展卷积特征图以提取多尺度特征,并对不同卷积层、尺度及特征的多元信息进行分类预测与位置回归。在织物瑕疵数据库上的实验结果表明,与SSD、DSSD等算法相比,该算法的检测性能较好,其检测精度达到78.2%,检测速度为51 frame/s,能在保证检测精度的同时提高检测速度。

引用

页码：247 / 254

页数：8

共 9 条

[1] 中心损失与Softmax损失联合监督下的人脸识别
余成波
田桐
熊递恩
许琳英
[J]. 重庆大学学报, 2018, 41 (05) : 92 - 100
[2] 基于机器视觉和图像处理的织物疵点检测研究新进展
李文羽
程隆棣
[J]. 纺织学报, 2014, 35 (03) : 158 - 164
[3] 基于卡尔曼滤波的弱小目标实时检测与跟踪
高建伟
李磊
姚睿
孙瑾秋
张艳宁
[J]. 计算机工程, 2012, 38 (02) : 4 - 7
[4] 卷积神经网络和迁移学习在癌症影像分析中的研究[D]. 余绍德.中国科学院大学(中国科学院深圳先进技术研究院). 2018
[5] Automated fabric defect detection-A review
Ngan, Henry Y. T.
Pang, Grantham K. H.
Yung, Nelson H. C.
[J]. IMAGE AND VISION COMPUTING, 2011, 29 (07) : 442 - 458
[6] Multi-class AdaBoost
Zhu, Ji
Zou, Hui
Rosset, Saharon
Hastie, Trevor
[J]. STATISTICS AND ITS INTERFACE, 2009, 2 (03) : 349 - 360
[7] An automated inspection system for textile fabrics based on Gabor filters[J] . K.L. Mak,P. Peng.Robotics and Computer Integrated Manufacturing . 2007 (3)
[8] Distinctive image features from scale-invariant keypoints
Lowe, DG
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) : 91 - 110
[9] A tutorial on Support Vector Machines for pattern recognition
Burges, CJC
[J]. DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) : 121 - 167

← 1 →