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:
针对SSD多尺度目标检测过程中存在的目标漏检和错检问题,提出了一种融入多维空洞卷积和多尺度特征融合的目标检测算法.在卷积神经网络输出的多尺度特征中,浅层具有更多的细节信息,深层具有更多的语义信息,根据这一特点,对浅层网络采用了3种多维空洞卷积的浅层特征增强模块,获得具有语义信息的特征图,将增强后的特征图进行下采样,融合不同层的特征;同时在深层网络引入通道注意力模块,对通道进行权重分配,抑制无用信息,提高目标的检测性能.研究结果表明:该算法在PASCAL VOC数据集上检测精度为79.7%,比SSD算法提高了2.4%;在KITTI数据集上检测精度为68.5%,比SSD算法提高了5.1%,检测速度达到了实时性的要求,有效地改善了目标的漏检和错检.
推荐文章
基于卷积特征融合的通用目标检测方法
卷积神经网络
特征融合
特征复用
特征相关性
目标检测
融合红外特征的可见光图像目标检测算法研究
红外特征
可见光目标检测
注意力机制
自适应融合
金字塔采样
基于卷积神经网络的乳腺疾病检测算法
卷积神经网络
特征融合
空间金字塔池化
尺度无关
乳腺疾病检测
基于双向特征融合卷积神经网络的液晶面板缺陷检测算法
深度卷积神经网络
双向特征融合
缺陷检测
液晶面板
深度学习
迁移学习
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 基于空洞卷积和特征融合的单阶段目标检测算法
来源期刊 空军工程大学学报(自然科学版) 学科 工学
关键词 目标检测 SSD算法 空洞卷积 特征融合
年,卷(期) 2022,(1) 所属期刊栏目 电子信息与通信导航|Electronic Information and Communication Navigation
研究方向 页码范围 97-103
页数 7页 分类号 TP391.4
字数 语种 中文
DOI 10.3969/j.issn.1009-3516.2022.01.014
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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
目标检测
SSD算法
空洞卷积
特征融合
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
空军工程大学学报(自然科学版)
双月刊
1009-3516
61-1338/N
大16开
西安市空军工程大学
52-247
2000
chi
出版文献量(篇)
2810
总下载数(次)
5
总被引数(次)
15414
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导