基于多尺度特征融合的小目标行人检测

• 作者: 张思宇 张轶
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 小目标行人检测 多尺度预测 特征融合 反卷积神经网络 深度学习
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 图形与图像
• 页码范围: 1627-1634
• 页数: 8页
• 分类号: TP183
• 字数: 7321字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.09.014

摘要

针对SSD当前存在的小目标漏检以及误检问题,结合反卷积与特征融合思想,提出hgSSD模型.将原SSD特征层反卷积后与较浅层特征结合,实现复杂场景下小目标行人检测.为了保留浅层网络特征,提高算法实时性,节省计算资源,hgSSD模型基础网络使用VGG16,而非更深层的ResNet101.为了加强对小目标的检测,将VGG16中的Conv3_3改进为特征层加入训练.融合后的网络相对于SSD较为复杂,但基本保证实时性,且成功检测到大部分SSD网络漏检的小目标,检测精度相比于SSD模型也有提升.在选择框置信度得分阈值为0.3的情况下,基本检测到SSD漏检小目标.在VOC2007+2012中相对于SSD行人检测的Average Precision值从0.765提升为0.83.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张轶	四川大学计算机学院	16	27	3.0	4.0
5	张思宇	四川大学计算机学院	2	117	2.0	2.0