面向小目标检测结合特征金字塔网络的SSD改进模型

扫码查看

原文链接

NETL

中文摘要：针对SSD卷积神经网络模型对小目标检测精度不高的问题,提出了一种基于特征金字塔网络的SSD改进模型.特征金字塔网络可以将深层的携带有更抽象、更丰富的语义信息的卷积特征图与浅层的分辨率更高、更细节的卷积特征图进行融合.检测的过程是将原始SSD网络得到的多层特征图,经过本文设计的横向连接层、上采样层、融合层和预测层的处理后,再通过非极大值抑制得到最终的检测结果.本文采用PASCAL VOC2007和2012(train+val)作为训练集,在PASCAL VOC2007(test)测试集的mAP达到了75.8％,相比原SSD模型提高了1.5％.特别的,在盆栽植物类密集小目标检测上有9.9％的提升.

作者：

LIU Xuanhe、刘煊赫、ZHANG Jianming、张建明、WU Honglin、吴宏林、HUANG Manting、黄曼婷

展开 >

作者单位：

长沙理工大学综合交通运输大数据智能处理湖南省重点实验室湖南长沙 410114

长沙理工大学计算机与通信工程学院湖南长沙 410114

关键词：

小目标检测 SSD改进模型特征金字塔网络特征图融合

主办单位：

中国计算机学会

会议名称：

2018年全国理论计算机科学学术年会

会议时间：

2018-10-01

会议地点：

上海

会议母体文献：

2018年全国理论计算机科学学术年会论文集

页码：

1-8

出版时间：

2018