典型文献
基于多尺度联合权重分配的目标检测算法
文献摘要：
针对SSD(single shot multibox detector)算法在复杂交通场景下对交通标志小目标识别效果不佳的问题,提出一种基于多尺度特征互补和重点特征信息挖掘(multi-scale feature complementary fusion and key feature information mining SSD,MK-SSD)的目标检测改进算法.利用跨阶段局部网络设计多尺度特征互补模块,同时构建多路径特征融合网络,有效提升浅层网络对小目标的特征提取能力.设计联合权重分配模块,将感知域与重点信息挖掘相结合,更高效地利用重点特征信息并抑制对非重点信息的关注度.利用轻量化残差块对预测网络进行改进,提升目标检测能力.经实验分析,改进后的算法在自制交通标志数据集上平均准确率达到89.64％,在保证实时性的同时,相较于YOLO系列和SSD系列算法拥有更高的检测精度,能检测出大部分SSD网络漏检的小目标.
文献关键词：
小目标检测;特征互补;多路径特征融合;权重分配;残差块
中图分类号：
作者姓名：
崔静雯;马杰;张宇
作者机构：
河北工业大学 电子信息工程学院,天津 300401
文献出处：
引用格式：
[1]崔静雯;马杰;张宇-.基于多尺度联合权重分配的目标检测算法)[J].计算机工程与应用,2022(17):101-110
A类：
多路径特征融合
B类：
权重分配,目标检测算法,SSD,single,shot,multibox,detector,交通场景,交通标志,小目标识别,多尺度特征,特征互补,重点特征,特征信息,信息挖掘,scale,feature,complementary,fusion,key,information,mining,MK,改进算法,跨阶段局部网络,网络设计,特征融合网络,特征提取能力,配模,残差块,预测网络,提升目标,检测能力,平均准确率,YOLO,检测精度,漏检,小目标检测
AB值：
0.378384
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。
