基于轻量化SSD的车辆及行人检测网络

• 作者: 李向群 许新征 郑冬
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 目标检测 卷积神经网络 轻量化神经网络 SSD MobileNetv2
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 人工智能算法与应用专栏
• 页码范围: 73-81
• 页数: 9页
• 分类号: TP193
• 字数: 5527字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2019.01.012

摘要

近年来,基于深度学习的目标检测算法发展迅速.但是由于深度网络规模过大,导致其还不能在嵌入式平台上进行广泛应用.本文针对SSD(Single Shot Multi-box Detector)模型的规模进行优化,引入了轻量化卷积神经网络MobileNetv2,对比了SSD和其轻量化版本SSDLite的网络结构,在此基础上提出了基于轻量化SSD的车辆及行人检测模型LVP-DN(Lightweight Vehicle and Pedestrian Detection Network).首先,通过MobilNetv2替代VGG作为基础网络进行特征提取.然后,用轻量化的SSD版本SSDLite替代SSD,从而达到减少模型大小、加快检测速度的目的.进一步通过优化默认候选框的比例,提高了网络对行人的检测精度.最后,在KITTI和PASCAL VOC数据集上分别对比了不同基础网络、输入图像尺寸及是否使用预训练模型这3个因素对网络性能的影响.实验结果表明,相比其他流行的目标检测模型,本文所提出的车辆及行人检测模型在精度、速度和模型大小等评价标准上取得了较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许新征	中国矿业大学计算机科学与技术学院	34	716	11.0	26.0
3	李向群	中国矿业大学计算机科学与技术学院	24	136	6.0	10.0
4	郑冬	中国矿业大学计算机科学与技术学院	1	7	1.0	1.0