多尺度特征图分类再提取的目标检测算法

• 作者: 尹震宇 樊超 赵志浩 黄哲 张飞青
• 来源期刊: 小型微型计算机系统
• 关键词: 目标检测 SSD shallowfeatureenhancement(SFE) 反卷积
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 图形与图像技术|Graphics and Image Technology
• 页码范围: 536-541
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.03.015

摘要

为提高SSD算法检测目标的能力,提出了一种对多尺度特征图进行分类再提取的目标检测算法.该算法将SSD特征金字塔中多个不同尺度的特征图分为低层和高层两类特征图.针对低层特征图所处位置网络深度不够导致的特征表示能力不足,设计了SFE(Shallow Feature Enhancement)模块提取特征从而增加网络深度,最终提高对小目标的检测能力;高层特征图采用两段反卷积的方式,将更深层提取的语义信息融入特征图,从而提高对中等目标和大目标的检测能力.同时提出了减弱反卷积棋盘格效应的回流式反卷积的方法.在Pascal VOC 2007测试集上进行验证后的结果表明,本文算法的mAP值达到了79.6％,相比SSD算法提高了2.4％.