面向小目标检测结合特征金字塔网络的SSD改进模型

• 作者: 刘煊赫 吴宏林 张建明 黄曼婷
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 目标检测 卷积神经网络 SSD模型 特征金字塔网络 特征图融合
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 61-66,72
• 页数: 7页
• 分类号: TP391
• 字数: 3869字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2018247

摘要

针对SSD卷积神经网络模型对小目标检测精度不高的问题,提出了一种基于特征金字塔网络的SSD改进模型.特征金字塔网络可以将深层的携带有更抽象、更丰富的语义信息的卷积特征图与浅层的分辨率更高、更细节的卷积特征图进行融合.检测的过程是将原始SSD网络得到的多层特征图,经改进设计的横向连接层、上采样层、融合层和预测层处理后,再通过非极大值抑制得到最终的检测结果.采用PASCAL VOC 2007和2012( train+val)作为训练集,PASCAL VOC 2007(test)测试集的mAP达到了75.8%,相比原SSD模型提高了1.5%.其中,在盆栽植物类密集小目标检测上有9.9%的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘煊赫	长沙理工大学综合交通运输大数据智能处理重点实验室	2	4	2.0	2.0
5	张建明	长沙理工大学综合交通运输大数据智能处理重点实验室	25	87	6.0	7.0
9	吴宏林	长沙理工大学综合交通运输大数据智能处理重点实验室	17	60	5.0	6.0