改进的SSD-ResNet算法 |
| |
引用本文: | 孟婧,江平,王凯,蒋鑫宇.改进的SSD-ResNet算法[J].合肥工业大学学报(自然科学版),2023(3):326-332. |
| |
作者姓名: | 孟婧 江平 王凯 蒋鑫宇 |
| |
作者单位: | 合肥工业大学数学学院 |
| |
基金项目: | 国家自然科学基金资助项目(12172115); |
| |
摘 要: | 单次多边界框检测器(single shot multibox detector, SSD)算法因其性能优良已被应用于许多场景中,但该算法对小目标物体的检测精度偏低,主要原因是高层的语义信息没有被充分利用。为解决该问题,文章将其基础网络替换为残差网络(residual network, ResNet),同时融合深浅层的特征信息来增强浅层特征图的语义信息,此外还引入注意力模块,保留更多的目标特征信息,抑制无关信息,进一步提升对小目标物体的检测效果。在PASCAL VOC2007数据集上进行实验测试,平均精度均值为80.2%,优于其他SSD改进算法。由于增加了特征融合和注意力模块,所提算法检测速度有所下降,但相比于SSD改进算法,检测速度仍有明显的优势。
|
关 键 词: | 目标检测 单次多边界框检测器(SSD) 残差网络(ResNet) 特征融合 注意力机制 |
|
|