改进SSD算法的小目标检测研究

doi:10.13873/J.1000-9787(2023)03-0065-04

Chinese

您当前的位置：

首页 >

文章列表页 >

改进SSD算法的小目标检测研究

更新时间：2025-09-11

- 改进SSD算法的小目标检测研究
- Issue 3, Pages: 65-68+72(2023)
- 作者机构：
  
  江西理工大学电气工程与自动化学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2023)03-0065-04
  CLC： TP391.41
- Published：2023
- 稿件说明：
移动端阅览
[J]. 2023, (3): 65-68+72.
DOI：

[J]. 2023, (3): 65-68+72. DOI： 10.13873/J.1000-9787(2023)03-0065-04.

摘要

针对SSD目标检测算法在实际的复杂的检测背景下存在着小目标错检和漏检率较高、小目标特征信息不足的缺点，提出一种改进的SSD算法。受特征金字塔网络(FPN)启发，设计特征融合模块(FFM)

将SSD网络的高分辨率的低层特征图与高语义信息的高层特征图进行融合，由此保留了特征图的上下文信息，提高了多尺度小目标特征信息的提取能力；通过引入注意力机制构建特征注意力模块(FAM)

将融合后的特征层通过FAM

学习重要特征并抑制不必要特征，提高了网络的表示能力。通过在公开的PASCAL VOC(2007+2012)数据集上进行实验，改进的模型平均精度均值(mAP)达到79.9%

与改进前的SSD算法相比，提高了4.24%

减少了错检和漏检的情况，使得改进后的SSD算法具有较强的鲁棒性，提升了目标检测性能。

Abstract

关键词

Keywords

references

基于高表征能力特征处理模块的小目标检测[J]. 向华桥;崔文超;刘世焯;孙水发.计算机工程与设计,2021(05)

基于改进SSD的无人船海上船舶识别算法[J]. 刘硕;葛愿;李媛媛;胡俊祥;叶刚.传感器与微系统,2021(02)

复杂背景下的小目标检测算法[J]. 郑浦;白宏阳;李伟;郭宏伟.浙江大学学报(工学版),2020(09)

基于注意力机制和深度恒等映射的人脸识别[J]. 杨壮;吴斌;廉炜雯;韩兴.传感器与微系统,2020(09)

改进的SSD算法及其对遥感影像小目标检测性能的分析[J]. 王俊强;李建胜;周学文;张旭.光学学报,2019(06)

基于多尺度融合SSD的小目标检测算法[J]. 赵亚男;吴黎明;陈琦.计算机工程,2020(01)

视觉目标跟踪方法研究综述[J]. 葛宝义;左宪章;胡永江.中国图象图形学报,2018(08)

基于深度学习的复杂环境下多目标检测方法研究[D]. 朱玉刚.杭州电子科技大学,2019(01)

Research on Face Detection Based on Deep Learning[J]. Zhuoran Li.World Scientific Research Journal,2020(3)

Target Detection Algorithm Introducing Attention Mechanism: Attention_SSD[J]. Luling Duan.International Core Journal of Engineering,2020(7)

Squeeze-and-Excitation Networks[J]. Hu Jie;Shen Li;Albanie Samuel;Sun Gang;Wu Enhua.IEEE Transactions on Pattern Analysis and Machine Intelligence,2019

Views

1185

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于改进U²-Net的摇床精矿带图像分割方法

基于注意力机制的特征融合孪生网络目标跟踪算法

基于动态网络的文本敏感信息感知脑响应检测模型

基于注意力与特征融合的双分支跟踪算法

结合注意力门控与特征融合的图像去雾网络

Related Author

刘惠中

邹起华

石健彤

王瑜

毕玉

肖洪兵

孙梅

李慧敏

Related Institution

江西理工大学机电工程学院

江西省矿冶机电工程技术研究中心

北京工商大学人工智能学院

郑州大学网络空间安全学院

战略支援部队信息工程大学信息系统工程学院

⁰