典型文献
基于改进的DSSD的小目标检测算法研究
文献摘要：
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.
文献关键词：
深度学习;DSSD;残差网络;小目标检测;图像处理
中图分类号：
作者姓名：
杨朝晨;陈佳悦;邢可;刘梦尼;高涛
作者机构：
长安大学 信息工程学院,陕西 西安 710064;西北大学 信息科学与技术学院,陕西 西安 710127
文献出处：
引用格式：
[1]杨朝晨;陈佳悦;邢可;刘梦尼;高涛-.基于改进的DSSD的小目标检测算法研究)[J].计算机技术与发展,2022(06):63-67
A类：
deconvolutional
B类：
DSSD,小目标检测,目标检测算法,算法研究,图像识别技术,之日,辅助驾驶系统,医学领域,车流,多目标检测,大目标,重要程度,覆盖区域,带信,漏检率,single,shot,detector,混合注意力机制,加权求和,相关度,空间域,域信息,空间变换,关键信息,出局,重点区域,特征学习,VOC2007,测试集,对比算法,残差网络
AB值：
0.361047
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。
