基于SSD的小目标检测改进算法

• 作者: 程凯强 张旭 寇旭鹏
• 来源期刊: 计算机与现代化
• 关键词: 小目标检测 深度可分离卷积 多尺度 权重分配网络 SSD模型
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 图像处理|IMAGE PROCESSING
• 页码范围: 77-82
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2021.07.014

摘要

目标检测算法因数据存在分辨率较低、噪声等干扰,不能有效利用特征图中目标的边缘纹理和语义信息,导致小目标检测效果较差.为此,本文提出一种基于SSD的小目标检测改进算法.首先,采用普通卷积和深度可分离卷积进行同步特征学习并融合,获得信息丰富的浅层特征.然后,在固有的5个尺度的特征层后添加通道和空间自适应权重分配网络,使得模型更关注通道和空间的重要特征信息.最后,将候选目标框进行非极大抑制筛选得到检测结果.通过将改进的方法与Faster RCNN、SSD等方法在VOC2007数据集上测试结果进行比较,该方法降低了小目标的误检率,提升了整体目标的精度,所提模型mAP达到了78.94％,比SSD网络提高了3.13％.