文献类型：期刊文章

作　　者：陈幻杰[1] 王琦琦[1] 杨国威[1] 韩佳林[1] 尹成娟[1] 陈隽[2] 王以忠[1]

CHEN Huanjie;WANG Qiqi;YANG Guowei;HAN Jialin;YIN Chengjuan;CHEN Jun;WANG Yizhong(College of Electronic Information and Automation,Tianjin University of Science and Technology,Tianjin 300222,China;Department of Electrical and Computer Engineering,McMaster University,Hamilton L8E,L8W,Canada)

机构地区：[1]天津科技大学电子信息与自动化学院,天津300222 [2]麦克马斯特大学电子与计算机工程系,加拿大汉密尔顿L8E、L8W

出　　处：《计算机科学与探索》

年　　份：2019

卷　　号：13

期　　号：6

起止页码：1049-1061

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、JST、ZGKJHX、核心刊

摘　　要：提出了一种改进的多尺度卷积特征目标检测方法,用以提高SSD(single shot multibox detector)模型对中目标和小目标的检测精确度。该方法先对SSD模型低层特征层采用区域放大提取的方法以提高对小目标的检测能力,再对高层特征层进行特征提取以改善中目标的检测效果。最后,利用SSD模型中原有的多尺度卷积检测方法,将改进的多层特征检测结果进行融合,并通过参数再训练以获得最终改进的SSD模型。实验结果表明,该方法在MS COCO数据集上对中目标和小目标的测试精确度分别为75.1%和40.5%,相比于原有SSD模型分别提升16.3%和23.1%。

关 键 词：单次多框目标检测器(SSD)模型  多尺度特征融合  目标检测 深度学习  

分 类 号：TP391.41]