用于交通标志检测的窗口大小聚类残差SSD模型

• 作者: KHATTAK Asad Jan 宋焕生 宋青松 张超 王兴莉 陈禹
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 交通标志检测 深度学习 单拍多盒探测器(SSD) K-均值 聚类
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 计算机科学
• 页码范围: 133-140
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2019.10.016

摘要

SSD通常被认为适合于求解小目标图像检测问题,但在特征表征和检测效率两方面还存在改进空间.提出一种聚类残差SSD模型,一方面将原始SSD模型中的VGG16基础网络替换为更深的ResNet50残差网络,以改善特征表征能力.另一方面采用K-均值聚类算法取代盲目搜索机制,确定SSD中默认窗口的大小,以改善检测效率.针对德国交通标志检测数据集,模型获得了97.1％mAP和每幅图像0.07 s的检测速度.针对中国交通标志数据集,模型获得89.7％mAP和每幅图像0.08 s的检测速度.与原始SSD模型比较,本文所提模型的检测性能得到改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋焕生	长安大学信息工程学院	71	491	10.0	20.0
2	张超	长安大学信息工程学院	66	464	9.0	20.0
3	宋青松	长安大学信息工程学院	13	90	6.0	9.0
4	陈禹	长安大学信息工程学院	4	12	1.0	3.0
5	王兴莉	长安大学信息工程学院	3	12	1.0	3.0
6	KHATTAK Asad Jan	长安大学信息工程学院	1	0	0.0	0.0