文献类型：期刊文章

作　　者：吴天舒[1,2] 张志佳[1] 刘云鹏[2] 裴文慧[1] 陈红叶[1]

Wu Tianshu;Zhang Zhijia;Liu Yunpeng;Pei Wenhui;Chen Hongye(School of Software,Shenyang University of Technology,Shenyang 110870,China;Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China)

机构地区：[1]沈阳工业大学软件学院,辽宁沈阳110870 [2]中国科学院沈阳自动化研究所,辽宁沈阳110016

出　　处：《红外与激光工程》

基　　金：国家自然科学基金(61540069);装发部共用技术课题项目(Y6k4250401)

年　　份：2018

卷　　号：47

期　　号：7

起止页码：37-43

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为提高SSD目标检测算法的小目标检测能力,提出在SSD算法中引入转置卷积结构,采用转置卷积将低分辨率高语义信息特征图与高分辨率低语义信息特征图相融合,增加低层特征提取能力,提高SSD算法的平均精准度。同时针对SSD算法存在模型过大,运行内存占用量过高,无法在嵌入式ARM设备上运行的问题,以DenseNet为基础,结合深度可分离卷积,逐点分组卷积与通道重排提出轻量化特征提取最小单元,将SSD算法特征提取部分替换为轻量化特征提取最小单元的组合后,可在嵌入式ARM设备上运行。在PASCAL VOC数据集和KITTI自动驾驶数据集上进行对比实验,结果表明改进后的网络结构在平均精准度上得到明显提升,模型参数数量得到有效降低。

关 键 词：目标检测 转置卷积  深度可分离卷积  嵌入式  PASCAL VOC数据集  KITTI数据集  

分 类 号：TP391.4]