首页|一种融合软注意力机制的DenseNet-SSD检测算法

一种融合软注意力机制的DenseNet-SSD检测算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了提高无人车在大型场景下对周围环境信息的感知,改善其在任务场景中的识别效率,文章从以下方面改进ssd算法:首先,引入DenseNet网络,进行特征图的重利用,降低计算复杂度,提高其收敛性;其次,融合软注意力机制,保证目标特征提取在空间上的聚焦;最后,采用反卷积操作增大感受野,提高检测效率.用VOC数据集进行验证,结果表明该算法平均准确率(mAP)为86.4％,比传统SSD算法提高7.8％,在测试集上的漏检率和误检率明显减少,提高了检测目标的准确性以及鲁棒性.
Object Detection Method Incorporating Attention Mechanism and DenseNet-SSD Algorithm

吴松林、张国伟、卢秋红、黄威、施建壮

展开 >

上海电力大学自动化工程学院,上海 200090

上海合时智能科技有限公司,上海 200040

SSD模型 DenseNet网络 注意力机制 目标检测识别 反卷积

上海市金山区信息化发展专项上海市闵行区产学研项目

2021-XXH-112019MHC083

2022

10.3969/j.issn.1007-1423.2022.13.004

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(13)
  • 3