典型文献
基于多重特征增强与特征融合SSD的荔枝检测
文献摘要：
使用无人机拍摄的荔枝图像目标尺寸小、特征信息不足.为了更多、更好地检测到荔枝,该研究提出一种基于多重特征增强与特征融合的SSD(Single Shot Multibox Detector based on Multiple Feature Enhancement and Feature Fusion,MFEFF-SSD)模型.为了减少不必要的计算量,删除原始主干网络Vgg16的最后两个卷积层,并在Conv8和Conv9层使用感受野模块(Receptive Field Block,RFB),提升主干网络的特征提取能力;然后使用高效空间金字塔模块(Efficient Spatial Pyramid Block,ESP),增强浅层特征;提出改进的路径聚合网络(Improved Path Aggregation Network,IPANet)多尺度融合特征,提升荔枝小目标的检测效果;最后在浅层引入通道注意力机制SE(Squeeze and Excitation)模块,进一步提高检测精度.同时,调整先验框的大小和数量,适应荔枝小目标的尺寸.试验结果表明:该研究提出的RFB模块可以提高检测效果;IPANet的平均精确率比FPN(Feature Pyramid Network)略有提高;SE模块的平均精确率比CBAM(Convolutional Block Attention Module)、ECA(Efficient Channel Attention)模块分别提高1.15个百分点和2.12个百分点;ESP模块的平均精确率比ASPP(atrous spatial pyramid pooling)提高2.51个百分点;与SSD、Yolov4-tiny、Faster-RCNN和CenterNet模型相比,MFEFF-SSD模型的平均精确率分别提高30.62、14.58、44.46和15.93个百分点,能够更精准、有效地实现对无人机拍摄的荔枝图像检测,可为小目标农作物的检测开拓思路.
文献关键词：
无人机;图像处理;特征增强;特征融合;荔枝检测
中图分类号：
作者姓名：
彭红星;李荆;徐慧明;陈虎;邢政;何慧君;熊俊涛
作者机构：
华南农业大学数学与信息学院/广州市智慧农业重点实验室,广州 510642
文献出处：
引用格式：
[1]彭红星;李荆;徐慧明;陈虎;邢政;何慧君;熊俊涛-.基于多重特征增强与特征融合SSD的荔枝检测)[J].农业工程学报,2022(04):169-177
A类：
荔枝检测,MFEFF,Conv8,Conv9,IPANet
B类：
特征增强,特征融合,SSD,标尺,特征信息,Single,Shot,Multibox,Detector,Multiple,Feature,Enhancement,Fusion,不必要,计算量,删除,主干网络,Vgg16,卷积层,感受野模块,Receptive,Field,Block,RFB,特征提取能力,空间金字塔模块,Efficient,Spatial,Pyramid,ESP,路径聚合网络,Improved,Path,Aggregation,Network,多尺度融合,融合特征,小目标,检测效果,通道注意力机制,SE,Squeeze,Excitation,高检,检测精度,先验框,精确率,FPN,CBAM,Convolutional,Attention,Module,ECA,Channel,百分点,ASPP,atrous,spatial,pyramid,pooling,Yolov4,tiny,Faster,RCNN,CenterNet,图像检测
AB值：
0.436751
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
