一种改进的SSD算法

论文摘要

为改善在目标尺度变化场景下的检测效果,在SSD算法基础上提出了一种改进方案。首先利用级联膨胀卷积对卷积层进行二次特征提取,然后通过密集连接方式获取目标的上下文信息,最后使用权重共享实现模型优化并采用多任务学习策略预测目标的类别及位置。在UA-DETRAC数据集上的实验结果表明,改进算法的平均精度达89%,超过Faster R-CNN算法17%左右,超过SSD算法10%左右。本文算法对多尺度目标检测任务具有更好的精确性和鲁棒性,能适应遮挡和光照不均匀等应用场景。

论文目录

• 1 目标检测算法
•   1.1 算法概述
•   1.2 二次特征提取
•   1.3 上下文信息
•   1.4 模型优化
• 2 实验
•   2.1 实验数据
•   2.2 软硬件以及参数设置
•   2.3 评价指标
•   2.4 验证DCD模块的有效性
•   2.5 实验结果与分析
• 3 结论

文章来源

类型: 期刊论文

作者: 祁世风,蒋勇,高琳,廖小华

关键词: 目标检测,算法,膨胀卷积,密集连接,数据集

来源: 西南科技大学学报 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 计算机软件及计算机应用

单位: 西南科技大学计算机科学与技术学院

基金: 四川省教育厅科技项目(18ZA0501),四川省科技创新苗子工程(18MZGC03),四川省军民融合研究院基金项目(18SXB026)

分类号: TP391.41

页码: 81-86

总页数: 6

文件大小: 292K

下载量: 111