基于深度学习的MSSD目标检测方法

摘要：

文章提出了一种基于深度学习的MSSD (Modified Single Shot multibox Detector)目标检测方法.文章阐述了SSD方法的模型与工作原理,SSD方法采用多尺度的特征图预测物体,使用具有较大感受野的高层特征图预测大物体,具有较小感受野的低层特征图预测小物体.使用的低层网络的特征图预测小物体时,由于缺乏高层语义特征,所以导致SSD对小物体的检测效果较差.文章提出了一种MSSD模型,把原有的VGG网络替换为深度残差网络,采用了特征金字塔网络模块对高层语意信息和低层细节信息融合,并通过1 000张图像数据集测试,对比MSSD方法与SSD方法在目标检测上的物体检索能力与检测精度.结果表明,MSSD方法比SSD方法准确率高、速度快.

关键词：MSSD、SSD、目标检测、特征金字塔网络

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目“基于GEP和亚复杂系统的跨媒体时空数据挖掘关键技术研究”61363037

在线出版日期：2018-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：88-92