基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
SSD方法是目前为止主要的目标检测算法之一.针对该方法处理小目标物体检测时精度不高的问题,文章在对SSD卷积神经网络的网络结构进行分析的基础上,在使用原有多层卷积特征图结构的前提下通过特征增强的方法来改善网络结构,构建了一种新的小目标物体检测算法模型.将该模型在PASCAL VOC 2012目标检测数据集上进行精度检测,检测结果与原始的SSD网络相比有了较好的提升.
推荐文章
基于SSD的仓储物体检测算法研究
卷积神经网络
仓储环境
物体检测
SSD
VGG16
基于多尺度融合SSD的小目标检测算法
单点多盒探测器
多尺度融合
目标检测
小目标
VGG16网络结构
基于卷积神经网络的仓储物体检测算法研究
卷积神经网络
仓储环境
物体检测
DSOD
基于改进Faster-RCNN的机场场面小目标物体检测算法
机场场面监视
多尺度特征融合
在线难例挖掘
小目标物体检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SSD方法的小目标物体检测算法研究
来源期刊 现代信息科技 学科 工学
关键词 SSD方法 小目标物体 多层卷积特征图 特征增强
年,卷(期) 2020,(3) 所属期刊栏目 信息技术
研究方向 页码范围 5-9
页数 5页 分类号 TP391.41|TP181
字数 3136字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 施雨 安徽理工大学计算机科学与工程学院 2 0 0.0 0.0
2 胡梦龙 安徽理工大学计算机科学与工程学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (33)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(2)
  • 参考文献(0)
  • 二级参考文献(2)
2018(9)
  • 参考文献(0)
  • 二级参考文献(9)
2019(5)
  • 参考文献(5)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
SSD方法
小目标物体
多层卷积特征图
特征增强
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代信息科技
半月刊
2096-4706
44-1736/TN
16开
广东省广州市白云区机场路1718号8A09
46-250
2017
chi
出版文献量(篇)
4784
总下载数(次)
45
总被引数(次)
3182
论文1v1指导