典型文献
基于深度学习的复杂背景下目标检测
文献摘要：
目标检测是计算机视觉领域的重要研究方向.传统的目标检测方法在特征设计上花费了大量时间,且手工设计的特征对于目标多样性的问题并没有好的鲁棒性,深度学习技术逐渐成为近年来计算机视觉领域的突破口.为此,对现有的基础神经网络进行研究,采用经典卷积神经网络VGGNet作为基础网络,添加部分深层网络,结合SSD(single shot multibox detector)算法构建网络框架.针对模型训练中出现的正负样本不均衡问题,根据困难样本挖掘原理,在原有的损失函数中引入调制因子,将背景部分视为简单样本,减小背景损失在置信损失中的占比,使得模型收敛更快速,模型训练更充分,从而提高复杂背景下的目标检测精度.同时,通过构建特征金字塔和融合多层特征图的方式,实现对低层特征图的语义信息融合增强,以提高对小目标检测的精度,从而提高整体的检测精度.仿真实验结果表明,所提出的目标检测算法(feature fusion based SSD,FF-SSD)在复杂背景下对各种目标均可取得较高的检测精度.
文献关键词：
目标检测;深度学习;SSD算法;复杂背景;困难样本;特征融合
中图分类号：
作者姓名：
王红梅;王晓鸽;王晓燕
作者机构：
西北工业大学航天学院,西安710072;航空工业西安航空计算技术研究所,西安710065
文献出处：
引用格式：
[1]王红梅;王晓鸽;王晓燕-.基于深度学习的复杂背景下目标检测)[J].控制与决策,2022(12):3115-3121
A类：
B类：
复杂背景,计算机视觉,目标检测方法,花费,深度学习技术,基础神经网络,VGGNet,深层网络,SSD,single,shot,multibox,detector,建网,网络框架,模型训练,正负样本,样本不均衡,均衡问题,困难样本挖掘,损失函数,单样本,检测精度,特征金字塔,特征图,低层,语义信息,信息融合,融合增强,小目标检测,目标检测算法,feature,fusion,FF,可取,特征融合
AB值：
0.411292
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。
