基于改进SSD的高效目标检测方法

• 作者: 李强 林茂松 王文光 贺贤珍
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度学习 目标检测 特征融合 样本失衡 卷积神经网(CNN)
• 年，卷（期）: 2019,（13）
• 所属期刊栏目: 热点与综述
• 页码范围: 28-35
• 页数: 8页
• 分类号: TP39
• 字数: 6923字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1811-0157

摘要

为改善一阶段目标检测算法检测精度较差的缺陷,提出一种基于SSD的高效多目标定位检测算法FSD.该算法主要从两个方面对一阶段目标检测算法进行改进:设计了一个更高效的密集残差网络,即R-DenseNet,通过采用一种更窄的密集网络结构形式,在保持特征提取容量的同时降低了计算复杂度,从而提高了算法的检测和收敛性能;改进了损失函数,通过抑制易分样本在损失函数中的权重,提高算法的鲁棒性,改善了目标检测中样本失衡的现象.采用Tensorflow深度学习框架部署网络,并在搭载Nvidia Titan X的Ubuntu上开展实验,实验表明FSD在COCO和PASCAL VOC这两个目标检测数据集上上都取得了最高的检测精度,其中FSD300D的检测精度相比SSD300有3.7%提升,检测相率比SSD有10.87%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	林茂松	西南科技大学信息工程学院	37	258	9.0	14.0
2	李强	西南科技大学信息工程学院	56	161	6.0	10.0
3	王文光	西南科技大学信息工程学院	1	7	1.0	1.0
4	贺贤珍	西南科技大学信息工程学院	2	8	1.0	2.0