基于改进 SSD 的车辆小目标检测算法研究

时间:2022-06-01 13:15:24
作者:郭健忠,余腾飞,崔玉定,周兴林
关键字:卷积神经网络,目标检测,小目标,特征增强,特征融合
DOI:10.3969/j.issn.1673-629X.2022.03.001
查看次数:768

如需要完整文档点击下方 "点击下载文档" 按钮

针对 SSD( single shot multibox detector,单步多盒检测) 算法在车辆的自动紧急制动( AEB) 中对远方目标检测效果差、检测速度慢、对硬件资源需求高的问题,提出了一种基于 SSD 的改进算法。首先用 MobileNetv2 替换 SSD 中的 AGG-16作为检测网络,以减少参数数量和计算量,降低网络对硬件性能的需求;其次,提出了特征增强和融合的方法,反复挖掘目标信息,并把不同特征层的信息进行融合,以提高对小目标检测的能力;最后,对先验框解码过程进行改进,减少网络需要解码的先验框数量,再次减少计算量,提高网络检测速度,并调整先验框的尺寸,进一步增强小目标检测的能力。把改进后的网络和 SSD300、YOLO、 MobileNetv2-SSD 等网络在 KITTI 数据集上进行检测和对比分析,实验结果表明,改进后的网络对小目标识别的速度有所加快,鲁棒性更好,准确率更高,同时也降低了对硬件配置资源的需求。

如需要完整文档点击下方 "点击下载文档" 按钮

基于改进 SSD 的车辆小目标检测算法研究
《基于改进 SSD 的车辆小目标检测算法研究》
完整文档 下载到本地,方便收藏和查阅
文件号:058910
基于改进 SSD 的车辆小目标检测算法研究
点击下载文档
基于改进 SSD 的车辆小目标检测算法研究

点击下载 文件号:058910(点击复制) 公众号(点击复制)

x