摘要
随着深度学习的迅速发展,图像识别技术也随之日益提高,其中目标检测在辅助驾驶系统、医学领域和车流监测系统等占有重要地位.大多目标检测算法对大目标较为敏感,且并未考虑特征与特征之间的相互关系及重要程度,然而小目标在图像中覆盖区域小,分辨率低,携带信息较少,导致小目标的误检或漏检率较高.针对以上问题,对小目标检测的难点进行研究,提出了一种基于改进的DSSD(deconvolutional single shot detector)的小目标检测算法.该算法引入混合注意力机制,在通道维度上增加权重分量进行加权求和表示信息相关度,并将图片中的空间域信息做对应空间变换,提取关键信息,突出局部重点区域,有利于前景小目标的特征学习.实验结果表明,该算法在VOC2007测试集上的精确度达到81.02％,比原DSSD算法高出1.3％,且均优于其他对比算法,证明了算法的有效性.
基金项目
国家重点研发计划(2019YFE0108300)
国家自然科学基金(62001058)
陕西省重点研发计划(2019GY-039)
长安大学中央高校基本科研业务费专项(300102241201)
维普
万方数据