面向小目标检测结合特征金字塔网络的SSD改进模型

Jianming ZHANG,Xuanhe LIU,Honglin WU, Manting HUANG

Journal of Zhengzhou University(Natural Science Edition)（2019）

引用 4|浏览4

暂无评分

摘要

针对SSD卷积神经网络模型对小目标检测精度不高的问题,提出了一种基于特征金字塔网络的SSD改进模型.特征金字塔网络可以将深层的携带有更抽象、更丰富的语义信息的卷积特征图与浅层的分辨率更高、更细节的卷积特征图进行融合.检测的过程是将原始SSD网络得到的多层特征图,经改进设计的横向连接层、上采样层、融合层和预测层处理后,再通过非极大值抑制得到最终的检测结果.采用PASCAL VOC 2007和2012( train+val)作为训练集,PASCAL VOC 2007(test)测试集的mAP达到了75.8%,相比原SSD模型提高了1.5%.其中,在盆栽植物类密集小目标检测上有9.9%的提升.

查看译文

关键词

object detection,convolutional neural network,SSD,feature pyramid network,feature map fusion

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要