基于SSD-Mobilenet模型的目标检测

• 作者: 刘颜 张冰 朱志宇
• 来源期刊: 舰船电子工程
• 学科: 工学
• 关键词: 目标检测 卷积神经网络 SSD-Mobilenet 迁移学习
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 信息融合技术
• 页码范围: 52-56
• 页数: 5页
• 分类号: TP242.6
• 字数: 1582字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9730.2019.10.012

摘要

为缩短在目标检测时模型的训练时间,加快网络的收敛速度,论文采取了一种卷积神经网络模型与迁移学习相结合的方法.SSD-Mobilenet模型结合了SSD网络检测速度快和Mobilenet轻量型网络占用内存少的优点.首先,使用COCO数据集将SSD-Mobilenet模型进行预训练,得到模型参数、瓶颈描述因子,然后用Pets数据集重新训练网络的全连接层,运用迁移学习的思想,可以实现在较少数据集的情况下,通过短时间的训练模型即可收敛.实验结果显示总训练时长约为11个小时,检测准确率达到74.5%.由此表明,采用SSD-Mobilenet模型与迁移学习相结合的方法可以缩短模型训练时间、加速模型的收敛速度且检准率比较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱志宇	江苏科技大学电子信息学院	164	971	15.0	21.0
2	张冰	江苏科技大学电子信息学院	108	828	15.0	22.0
3	刘颜	江苏科技大学电子信息学院	1	3	1.0	1.0