基于深度卷积神经网络的小目标检测算法

• 作者: 朱明 李航
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 目标检测 嵌入式平台 小目标 深度卷积神经网络 多尺度预测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 图形与图像
• 页码范围: 649-657
• 页数: 9页
• 分类号: TP391.4
• 字数: 4910字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.04.011

摘要

针对YOLO目标检测算法在小目标检测方面存在的不足,以及难以在嵌入式平台上达到实时性的问题,设计出了一种基于YOLO算法改进的dense_YOLO目标检测算法.该算法共分为2个阶段:特征提取阶段和目标检测回归阶段.在特征提取阶段,借鉴DenseNet结构的思想,设计了新的基于深度可分离卷积的slim-densenet特征提取模块,增强了小目标的特征传递,减少了参数量,加快了网络的传播速度.在目标检测阶段,提出自适应多尺度融合检测的思想,将提取到的特征进行融合,在不同的特征尺度上进行目标的分类和回归,提高了对小目标的检测准确率.实验结果表明:在嵌入式平台上,针对小目标,本文提出的dense_YOLO目标检测算法相较原YOLO算法mAP指标提高了7％,单幅图像检测时间缩短了15 ms,网络模型大小减少了90 MB,明显优于原算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱明	中国科学院长春光学精密机械与物理研究所	228	2519	25.0	40.0
2	李航	中国科学院长春光学精密机械与物理研究所	12	57	5.0	7.0