郑州大学学报(理学版)

2019, v.51(03) 61-66+72

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

面向小目标检测结合特征金字塔网络的SSD改进模型
Improved SSD Model with Feature Pyramid Network for Small Object Detection

张建明;刘煊赫;吴宏林;黄曼婷;

摘要(Abstract):

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,经改进设计的横向连接层、上采样层、融合层和预测层处理后,再通过非极大值抑制得到最终的检测结果.采用PASCAL VOC 2007和2012(train+val)作为训练集,PASCAL VOC 2007(test)测试集的m AP达到了75. 8%,相比原SSD模型提高了1. 5%.其中,在盆栽植物类密集小目标检测上有9. 9%的提升.

关键词(KeyWords): 目标检测;卷积神经网络;SSD模型;特征金字塔网络;特征图融合

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(61772454,61811530332);; 湖南省教育厅科学研究重点项目(16A008);; 教育部高等教育司2017年第二批产学合作协同育人项目(201702137008);; 长沙理工大学研究生课程建设项目(KC201611);; 湖南省研究生培养创新基地项目(湘教通[2017]451号-30)

作者(Author): 张建明;刘煊赫;吴宏林;黄曼婷;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享