基于改进SSD的车辆小目标检测方法

• 作者: 唐自力 李小宁 蒋平 钟剑丹 雷涛
• 来源期刊: 应用光学
• 学科: 工学
• 关键词: 计算机视觉 目标检测 深度学习 车辆小目标 特征融合
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 光学计量与测试
• 页码范围: 150-155
• 页数: 6页
• 分类号: TN206|TP391.4
• 字数: 3025字
• 语种: 中文
• DOI: 10.5768/JAO202041.0103004

摘要

地面车辆目标检测问题中由于目标尺寸较小,目标外观信息较少,且易受背景干扰等的原因,较难精确检测到目标.围绕地面小尺寸目标精准检测的问题,从目标特征提取的角度提出了一种特征融合的子网络.该子网络引入了重要的局部细节信息,有效地提升了小目标检测效果.针对尺度、角度等的变换问题,设计了基于融合层的扩展层预测子网络,在扩展层的多个尺度空间内匹配目标,生成目标预测框对目标定位.在车辆小目标VEDAI(vehicle detection in aerial imagery)数据集上的实验表明,算法保留传统SSD(single-shot multibox detector)检测速度优势的同时,在精度方面有了明显提升,大幅提升了算法的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷涛	中国科学院光电技术研究所	24	101	5.0	9.0
2	蒋平	中国科学院光电技术研究所	45	619	11.0	24.0
3	钟剑丹	中国科学院光电技术研究所	5	4	1.0	1.0
4	李小宁	中国科学院光电技术研究所	1	0	0.0	0.0