如需要完整文档点击下方 "点击下载文档" 按钮

随着深度学习的迅速发展,图像识别技术也随之日益提高,其中目标检测在辅助驾驶系统、医学领域和车流监测系统等占有重要地位。 大多目标检测算法对大目标较为敏感,且并未考虑特征与特征之间的相互关系及重要程度,然而小目标在图像中覆盖区域小,分辨率低,携带信息较少,导致小目标的误检或漏检率较高。 针对以上问题,对小目标检测的难点进行研究,提出了一种基于改进的 DSSD( deconvolutional single shot detector) 的小目标检测算法。 该算法引入混合注意力机制,在通道维度上增加权重分量进行加权求和表示信息相关度,并将图片中的空间域信息做对应空间变换,提取关键信息,突出局部重点区域,有利于前景小目标的特征学习。 实验结果表明,该算法在 VOC2007 测试集上的精确度达到81. 02% ,比原 DSSD 算法高出 1. 3% ,且均优于其他对比算法,证明了算法的有效性。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于改进的 DSSD 的小目标检测算法研究》

将 完整文档 下载到本地，方便收藏和查阅

文件号：059609

点击下载文档