改进SSD算法的多目标检测

摘要：

目标检测作为计算机视觉的核心,在人脸识别、人脸跟踪、大规模场景识别等方面具有广泛应用,其中One-stage领域的SSD算法检测速度和检测性能较为突出,但在环境较为复杂的多目标检测情况下仍会出现误检和漏检.针对这一问题,提出一种改进SSD算法的多目标检测方法,通过优化SSD内部网络和提高样本适用性的方式改善检测性能;其中,采用修改网络输出和添加抗旋转层ARConv来统一网络结构,降低模型训练时间,减少漏检;并提出P-NMS算法和限制函数优化训练样本,减少误检;在测试阶段,提出单张图片批量测试方法,有效提高模型召回率.实验结果表明,改进后算法具有更强的鲁棒性,并且能有效降低误检、漏检率提升网络性能.

关键词：多目标检测、SSD算法优化、抗旋转卷积层(ARConv)、概率非极大值抑制(P-NMS)算法、图片批量测试

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;贵州省科技计划项目;贵州省研究生教育创新计划项目

在线出版日期：2020-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：23-30