欢迎访问发表云网!为您提供杂志订阅、期刊投稿咨询服务!

多尺度卷积特征融合的SSD目标检测算法

陈幻杰; 王琦琦; 杨国威; 韩佳林; 尹成娟; 陈隽; 王以忠 天津科技大学电子信息与自动化学院; 天津300222; 麦克马斯特大学电子与计算机工程系; 加拿大汉密尔顿L8E、L8W
多尺度特征融合   目标检测   深度学习  

摘要:提出了一种改进的多尺度卷积特征目标检测方法,用以提高SSD(single shot multibox detector)模型对中目标和小目标的检测精确度。该方法先对SSD模型低层特征层采用区域放大提取的方法以提高对小目标的检测能力,再对高层特征层进行特征提取以改善中目标的检测效果。最后,利用SSD模型中原有的多尺度卷积检测方法,将改进的多层特征检测结果进行融合,并通过参数再训练以获得最终改进的SSD模型。实验结果表明,该方法在MS COCO数据集上对中目标和小目标的测试精确度分别为75.1%和40.5%,相比于原有SSD模型分别提升16.3%和23.1%。

简介:《计算机科学与探索》(CN:11-5602/TP)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

计算机科学与探索

北大期刊 下单

关注 17人评论|0人关注
服务与支持