文献类型：期刊文章

作　　者：吴天成[1] 王晓荃[1] 蔡艺军[1] 荆有波[2] 陈铖颖[1]

WU Tian-cheng;WANG Xiao-quan;CAI Yi-jun;JING You-bo;CHEN Cheng-ying(College of Optoelectronic and Communication Engineering, Xiamen University of Technology, Xiamen 361024,China;Institute of Microelectronics of Chinese Academy of Sciences, Beijing 100029, China)

机构地区：[1]厦门理工学院光电与通信工程学院,福建厦门361024 [2]中国科学院微电子研究所,北京100029

出　　处：《液晶与显示》

基　　金：国家自然科学基金(No.61704143,No.62005232);福建省自然科学基金面上项目(No.2018J01566);厦门市青年创新基金(No.3502Z20206074)。

年　　份：2021

卷　　号：36

期　　号：10

起止页码：1437-1444

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EBSCO、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对应用于嵌入式设备的轻量级目标检测算法,本文提出了一种基于特征融合的改进方案。针对目前MobileNetV2-SSD轻量级目标检测算法检测精度低、小目标检测效果差的问题,结合FPN特征金字塔的特征融合思想,选用了MobileNetV2-SSD中包含较多语义信息的3层特征层进行融合,利用多尺度检测的原理,将融合后的特征层重新生成特征金字塔进行目标检测。使用PASCAL VOC 2007数据集对改进后的目标检测模型和原模型进行对比测试,其检测精度mAP相对原模型提高了3.9%,达到了76.5%,同时模型对于小目标的检测效果也有了显著提升。最后将模型部署至嵌入式设备Jetson AGX Xavier中进行测试,改进后的模型在网络结构更加复杂的情况下检测速度接近原模型,达到了22 FPS的检测速度,可以实现嵌入式设备上的实时目标检测。

关 键 词：目标检测 轻量化神经网络  SSD MobileNet  特征融合  

分 类 号：TP91.4[自动化类]