基于残差网络和改进特征金字塔的油田作业现场目标检测算法

摘要：

针对单点多盒检测器(single shot multibox detector,SSD)对小目标识别率低的问题,提出一种基于残差网络和改进特征金字塔(feature pyramid networks,FPN)的RP-SSD(residual and pyramid SSD)算法,并将其应用于油田安防领域.为了得到小物体更多的信息,首先在特征金字塔中增加上采样模块,并在上采样模块之后添加预测模块,之后采用空洞卷积增大Conv4_3的感受野.RP-SSD网络变深,针对RP-SSD在反向传播过程中存在梯度爆炸或梯度消失的问题,采用跳层连接的方式改进基础网络.RP-SSD在PASCAL VOC测试的准确率(meanaverage precision,mAP)为78.9％,比SSD提高了1.7％,其中对于目标较小的bottle类提高了8.9％.实验结果表明,RP-SSD对小目标检测的性能提高显著,同时RP-SSD在GTX 1080Ti上测试的速度为32帧/s,可见RP-SSD可以达到实时处理的要求.

关键词：深度学习、单点多盒检测器(SSD)、小目标检测、特征金字塔、残差网络、空洞卷积、油田安防

所属期刊栏目：20

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;2018年中央高校基本科研业务费项目

在线出版日期：2020-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：4442-4450