基于并行附加特征提取网络的SSD地面小目标检测模型

• 作者: 何灵蛟 强伟 李宝奇 贺昱曜
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 目标检测 SSD 深度可分离卷积 空洞卷积 深度可分离空洞卷积 并行附加特征提取网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 84-91
• 页数: 8页
• 分类号: TP183
• 字数: 6246字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.01.010

摘要

针对SSD原始附加特征提取网络(Original Additional Feature Extraction Network,OAFEN)中stride操作造成图像小目标信息丢失和串联结构产生的多尺度特征之间冗余度较大的问题,提出了一种计算量小、感受野大的深度可分离空洞卷积(Depthwise Separable Dilated Convolution,DSDC),并利用DSDC设计了一个包含三个独立子网络的并行附加特征提取网络(Parallel Additional Feature Extraction Network,PAFEN).PAFEN上路用两个DSDC提取尺寸为19*19和3*3的特征图;中路用一个DSDC提取尺寸为10*10的特征图;下路用两个DSDC提取尺寸为5*5和1*1的特征图.实验结果表明,在SSD框架内,PAFEN在mAP和检测时间等方面均优于OAFEN,适用于地面小目标的检测任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺昱曜	西北工业大学航海学院	85	590	14.0	19.0
2	李宝奇	西北工业大学航海学院	6	39	3.0	6.0
3	强伟	西北工业大学航海学院	3	4	1.0	2.0
4	何灵蛟	西北工业大学航海学院	3	4	1.0	2.0