融入特征融合与特征增强的SSD目标检测

摘要：

针对SSD算法在目标检测过程中对小目标检测的不足,提出了一种基于SSD算法的一阶段目标检测器——FIENet(feature integration and feature enhancement network).在FIENet中设计了两个模块,一是特征融合模块,该模块对SSD浅层的特征映射信息进行融合以提高小目标检测能力;二是特征增强模块,该模块采用了残差网络(Res2Net)以及注意力机制(attention),对特征融合后的模块以及SSD中的深层特征映射进行增强.为了更好地检测小目标,还调整了浅层特征映射先验框的数量.为了评价FIENet的有效性,在PASCAL VOC2007以及MSCOCO数据集上进行了实验.实验结果表明,在PASCAL VOC2007数据集上检测精度(mAP)较SSD提高3.1个百分点,对小目标bird、bottle、chair、plant检测精度分别提升了3.6、9.5、5.4、5.5个百分点.在COCO数据集上达到29.4％的检测精度(mAP).实验结果证明FIENet网络在保持实时性的同时可以达到较高的检测精度.

关键词：小目标、特征融合、SSD、特征增强

所属期刊栏目：58

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;中央高校基本科研业务费项目

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：150-159