基于改进SSD的车内宠物遗落检测方法

潘溢洲; 吴恩启; 段函作; 寇嘉铭

doi:10.13873/J.1000-9787(2025)05-0115-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进SSD的车内宠物遗落检测方法

计算与测试 | 更新时间：2025-09-11

- 基于改进SSD的车内宠物遗落检测方法
- 暂无标题
- 传感器与微系统 2025年第5期页码：115-119
- 作者机构：
  
  上海理工大学机械工程学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2025)05-0115-05
  中图分类号： TP18;U463.6;TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
潘溢洲, 吴恩启, 段函作, 等. 基于改进SSD的车内宠物遗落检测方法[J]. 传感器与微系统, 2025,(5):115-119.
潘溢洲, 吴恩启, 段函作, 等. 基于改进SSD的车内宠物遗落检测方法[J]. 传感器与微系统, 2025,(5):115-119. DOI： 10.13873/J.1000-9787(2025)05-0115-05.

DOI：

摘要

针对车内宠物遗落问题，在单发多盒探测器(SSD)算法的基础上，提出了一种改进的SSD目标检测算法实时检测车内是否存在遗落宠物，通过引入MobileNetV2算法来替代SSD的主干网络，并改进MobileNetV2的网络结构来进一步减少原有网络的参数量，融合卷积块注意力模块(CBAM)来提高目标定位能力，采用迁移训练策略来更好地训练网络。实验结果表明，改进后算法的模型大小相对于SSD-MobileNetV2减少了65.5%

平均精度均值(mAP)提高了0.9%

帧率(FPS)也有所提升，模型大小更是减少到了原始SSD算法的5%。改进后算法实际检测的效果更好，同时更加适合嵌入移动设备来检测遗落宠物。

Abstract

关键词

Keywords

references

杜希婷,张德,甄庆凯.基于改进残差网络的人脸表观年龄估计[J].传感器与微系统,2023(05).

陈德海,孙仕儒,王昱朝,雷志军.改进SSD算法的小目标检测研究[J].传感器与微系统,2023(03).

董星宇,傅汇乔,王鑫鹏,唐开强,留沧海.基于渐进式神经网络的六足机器人避障策略迁移[J].传感器与微系统,2023(02).

彭道刚,潘俊臻,王丹豪,胡捷.基于改进YOLO v5的电厂管道油液泄漏检测[J].电子测量与仪器学报,2022(12).

徐先峰,赵万福,邹浩泉,张丽,潘卓毅.基于MobileNet-SSD的安全帽佩戴检测算法[J].计算机工程,2021(10).

孙彦,丁学文,雷雨婷,陈静,孔祥鑫.基于SSD_MobileNet_v1网络的猫狗图像识别[J].天津职业技术师范大学学报,2020(01).

杨燕霄,陈亚宁,朱月娥,康锁倩,赵迪.浅析宠物经济快速发展的原因、趋势及利弊影响[J].农村经济与科技,2020(05).

王稼祥.基于深度学习的宠物狗检测与识别研究[D].河南师范大学,2021(01).

王鹏.基于改进SSD算法的狗脸多目标检测研究[D].南京信息工程大学,2020(02).

周祥东.基于启发式概率神经网络的WLAN被动定位算法研究[D].重庆邮电大学,2017(04).

Jiacai Liao,Guoliang Xiang,Libo Cao,JiaHao Xia,Luyao Yue.The left-behind human detection and tracking system based on vision with multi-model fusion and microwave radar inside the bus:[J].Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering,2020.

Karen Simonyan,Andrew Zisserman.Very Deep Convolutional Networks for Large-Scale Image Recognition.[J].CoRR,2014.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于V5CA与几何特征的运动物体目标检测及位姿估计方法

基于YOLOX的QFN芯片表面缺陷检测技术研究

基于特征增强知识蒸馏的目标检测压缩算法

基于深度学习的电解电容识别与极性检测

基于YOLOv5s的番茄采摘机器人目标检测技术