特征增强的SSD算法及其在目标检测中的应用

被引：36

作者：

谭红臣

李淑华

刘彬

刘秀平

机构：

[1] 大连理工大学数学科学学院

来源：

计算机辅助设计与图形学学报 | 2019年 / 04期

关键词：

SSD算法; 目标检测; 特征融合; 网络结构;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对多尺度单发射击检测(SSD)算法不同尺度的特征层很难进行融合互补问题,提出一种特征增强的SSD(FE-SSD)算法.首先对SSD算法的金字塔特征层中,每一尺度的特征进行尺寸不变的卷积操作;然后将卷积前与卷积后的特征进行特征融合操作,进而产生一组新的金字塔特征层;最后在新产生的金字塔特征层上执行目标的检测与定位任务.在PASCALVOC2007公共数据库上进行实验,当输入图像尺寸为300×300时,检测精度(mAP)达到78.0%,检测速度(FPS)达到82.5帧/s.此外,在拓展实验中,文中算法对图像中模糊目标的检测效果也优于SSD算法.

引用

页码：573 / 579

页数：7

共 3 条

[1] The Pascal Visual Object Classes (VOC) Challenge [J].

Everingham, Mark ;

Van Gool, Luc ;

Williams, Christopher K. I. ;

Winn, John ;

Zisserman, Andrew .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2010, 88 (02) :303-338

[2]

DSSD:deconvolutional single shot detector .2 Fu C Y,Liu W,Ranga A,et al. http://cn.arxiv.org/abs/1701.06659 . 2018

[3]

Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition .2 He K,Zhang X,Ren S.et al. IEEE Transactions on Pattern Analysis and Machine Inteligence . 2015

← 1 →