文献类型：期刊文章

作　　者：任宇杰[1] 杨剑[1] 刘方涛[1] 张启尧[1]

REN Yujie;YANG Jian;LIU Fangtao;ZHANG Qiyao(Software College,North University of China,Taiyuan 030051,China)

机构地区：[1]中北大学软件学院

出　　处：《计算机科学与探索》

年　　份：2019

卷　　号：13

期　　号：11

起止页码：1881-1893

语　　种：中文

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

摘　　要：为了提高计算机视觉中目标检测的一种基本模型SSD在多任务场景中的准确率和效率,基于深度学习的相关理论研究,结合一种轻量级的深层神经网络MobileNet的基本思想,构建了一种结合特征金字塔的多尺度卷积神经网络结构。利用Tensorflow平台完成了以下一些工作:第一,对低层卷积层的特征图进行区域放大,保留更多的目标特征信息,再对高特征层进行特征提取;第二,在对重叠目标候选区域进行过滤的时候,基于非极大值抑制的方法和思想设置阈值消除冗余的目标候选区域,使得产生的负样本的数目减少,使模型效果逐步趋于稳定;第三,针对目标检测中的预测区域与真实区域在匹配过程中所产生的正负样本进行处理,用于保证模型的稳定性等。基于以上方法研究,使得模型对多目标识别的速度有所加快,鲁棒性更好,准确率更高,同时也适当降低了对硬件配置资源的需求。

关 键 词：多尺度卷积特征  SSD模型  MobileNet  图像目标检测  

分 类 号：TP391]