典型文献
基于空洞卷积和特征融合的单阶段目标检测算法
文献摘要：
针对SSD多尺度目标检测过程中存在的目标漏检和错检问题,提出了一种融入多维空洞卷积和多尺度特征融合的目标检测算法.在卷积神经网络输出的多尺度特征中,浅层具有更多的细节信息,深层具有更多的语义信息,根据这一特点,对浅层网络采用了3种多维空洞卷积的浅层特征增强模块,获得具有语义信息的特征图,将增强后的特征图进行下采样,融合不同层的特征;同时在深层网络引入通道注意力模块,对通道进行权重分配,抑制无用信息,提高目标的检测性能.研究结果表明:该算法在PASCAL VOC数据集上检测精度为79.7％,比SSD算法提高了2.4％;在KITTI数据集上检测精度为68.5％,比SSD算法提高了5.1％,检测速度达到了实时性的要求,有效地改善了目标的漏检和错检.
文献关键词：
目标检测;SSD算法;空洞卷积;特征融合
中图分类号：
作者姓名：
李娟娟;侯志强;白玉;程环环;马素刚;余旺盛;蒲磊
作者机构：
西安邮电大学计算机学院,西安,710121;西安邮电大学陕西省网络数据分析与智能处理重点实验室,西安,710121;空军工程大学信息与导航学院,西安,710077;火箭军工程大学作战保障学院,西安,710025
文献出处：
引用格式：
[1]李娟娟;侯志强;白玉;程环环;马素刚;余旺盛;蒲磊-.基于空洞卷积和特征融合的单阶段目标检测算法)[J].空军工程大学学报,2022(01):97-103
A类：
B类：
空洞卷积,单阶段目标检测算法,SSD,多尺度目标检测,检测过程,漏检,多尺度特征融合,细节信息,语义信息,特征增强模块,特征图,下采样,深层网络,通道注意力模块,行权,权重分配,无用信息,检测性能,PASCAL,VOC,检测精度,KITTI,检测速度
AB值：
0.319135
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。
