典型文献
注意力机制改进轻量SSD模型的海面小目标检测
文献摘要：
目的 海面目标检测图像中的小目标数量居多,而基于深度学习的目标检测方法通常针对通用目标数据集设计检测模型,对图像中的小目标检测效果并不理想.使用一般目标检测模型检测海面目标图像的特征时,通常会出现小目标漏检情况,而一些特定的小目标检测模型对海面目标的检测效果还有待验证.为此,在标准的SSD(single shot multiBox detector)目标检测模型基础上,结合Xception深度可分卷积,提出一种轻量SSD模型用于海面目标检测.方法 在标准的SSD目标检测模型基础上,使用基于Xception网络的深度可分卷积特征提取网络替换VGG-16(Visual Geometry Group network-16)骨干网络,通过控制变量来对比不同网络的检测效果;在特征提取网络中的exit flow层和Conv1层引入轻量级注意力机制模块来提高检测精度,并与在其他层引入轻量级注意力机制模块的模型进行检测效果对比;使用注意力机制改进的轻量SSD目标检测模型和其他几种模型分别对海面目标检测数据集中的小目标和正常目标进行测试.结果 为证明本文模型的有效性,进行了多组对比实验.实验结果表明,模型轻量化导致特征表达能力降低,从而影响检测精度.相对于标准的SSD目标检测模型,本文模型在参数量降低16.26％、浮点运算量降低15.65％的情况下,浮标的平均检测精度提高了1.1％,漏检率减小了3％,平均精度均值(mean average precision,mAP)提高了0.51％,同时,保证了船的平均检测精度,并保证其漏检率不升高,在对数据集中的小目标进行测试时,本文模型也表现出较好的检测效果.结论 本文提出的海面小目标检测模型,能够在压缩模型的同时,保证模型的检测速度和检测精度,达到网络轻量化的效果,并且降低了小目标的漏检率,可以有效实现对海面小目标的检测.
文献关键词：
深度学习;目标检测;注意力机制;深度可分卷积;SSD;海面小目标检测
中图分类号：
作者姓名：
贾可心;马正华;朱蓉;李永刚
作者机构：
常州大学计算机与人工智能学院,阿里云大数据学院,常州 213000;嘉兴学院数理与信息工程学院,嘉兴 314001
文献出处：
引用格式：
[1]贾可心;马正华;朱蓉;李永刚-.注意力机制改进轻量SSD模型的海面小目标检测)[J].中国图象图形学报,2022(04):1161-1175
A类：
深度可分卷积,Conv1
B类：
机制改进,SSD,海面小目标检测,海面目标检测,目标检测方法,检测效果,目标检测模型,模型检测,测海,标图,single,shot,multiBox,detector,Xception,卷积特征提取,特征提取网络,VGG,Visual,Geometry,Group,network,骨干网络,控制变量,exit,flow,轻量级注意力机制,注意力机制模块,高检,检测精度,效果对比,检测数据集,模型轻量化,特征表达,表达能力,参数量,浮点运算,运算量,浮标,漏检率,平均精度均值,mean,average,precision,mAP,不升,压缩模型,检测速度,网络轻量化
AB值：
0.237769
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。
