文档名：引入自上向下特征融合的小目标检测算法
摘要：针对原始SSD(SingleShotMultiboxDetector)算法未充分利用各特征层之间关系导致浅层特征层缺乏小目标语义信息的问题,为了提高对小目标的检测能力,提出了一种结合PANet多尺度特征融合网络和自上向下特征融合路径的TTB-SSD(ToptoBottomSSD)改进算法.首先,使用PANet多尺度特征融合网络对特征进行反复提取,从而获得丰富的多尺度语义信息;然后,使用一种深层特征融合模块将浅层特征层的空间信息传递到深层特征层,进而更准确地对小目标进行定位;最后,为了增强浅层特征层的语义信息,构造了自上向下的特征融合路径,从而强化浅层对小目标检测的准确率.实验结果表明,在PASCALVOC2007测试集检测的mAP(MeanAveragePrecision)值达到80.5％,对目标的mAP较原始SSD提高了5.7％,证明了该算法对小目标检测的有效性.
作者：刘笑楠 武德彬 刘振宇 戚雪Author：LIUXiaonan WUDebin LIUZhenyu QIXue
作者单位：沈阳工业大学信息科学与工程学院,沈阳110870
刊名：电讯技术 ISTICPKU
Journal：TelecommunicationEngineering
年，卷(期)：2023, 63(11)
分类号：TN971TP391.41
关键词：小目标检测 SSD 自上向下特征融合
Keywords：smallobjectdetection singleshotmultiboxdetector(SSD)top-to-bottomfeaturefusion
机标分类号：TP391.41TN929.5TN722.75
在线出版日期：2023年12月12日
基金项目：辽宁省自然科学基金引入自上向下特征融合的小目标检测算法[
期刊论文] 电讯技术--2023, 63(11)刘笑楠 武德彬 刘振宇 戚雪针对原始SSD(SingleShotMultiboxDetector)算法未充分利用各特征层之间关系导致浅层特征层缺乏小目标语义信息的问题,为了提高对小目标的检测能力,提出了一种结合PANet多尺度特征融合网络和自上向下特征融合路径的TT...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
引入自上向下特征融合的小目标检测算法 A Small Object Detection Algorithm with Top-to-Bottom Feature Fusion
引入自上向下特征融合的小目标检测算法.pdf
- 文件大小:
- 2.51 MB
- 下载次数:
- 60
-
高速下载
|
