典型文献
融入特征融合与特征增强的SSD目标检测
文献摘要：
针对SSD算法在目标检测过程中对小目标检测的不足,提出了一种基于SSD算法的一阶段目标检测器——FIENet(feature integration and feature enhancement network).在FIENet中设计了两个模块,一是特征融合模块,该模块对SSD浅层的特征映射信息进行融合以提高小目标检测能力;二是特征增强模块,该模块采用了残差网络(Res2Net)以及注意力机制(attention),对特征融合后的模块以及SSD中的深层特征映射进行增强.为了更好地检测小目标,还调整了浅层特征映射先验框的数量.为了评价FIENet的有效性,在PASCAL VOC2007以及MSCOCO数据集上进行了实验.实验结果表明,在PASCAL VOC2007数据集上检测精度(mAP)较SSD提高3.1个百分点,对小目标bird、bottle、chair、plant检测精度分别提升了3.6、9.5、5.4、5.5个百分点.在COCO数据集上达到29.4％的检测精度(mAP).实验结果证明FIENet网络在保持实时性的同时可以达到较高的检测精度.
文献关键词：
小目标;特征融合;SSD;特征增强
中图分类号：
作者姓名：
刘建政;梁鸿;崔学荣;钟敏;李传秀
作者机构：
中国石油大学(华东)计算机科学与技术学院,山东 青岛 266580
文献出处：
引用格式：
[1]刘建政;梁鸿;崔学荣;钟敏;李传秀-.融入特征融合与特征增强的SSD目标检测)[J].计算机工程与应用,2022(11):150-159
A类：
FIENet
B类：
SSD,检测过程,小目标检测,目标检测器,feature,integration,enhancement,network,中设计,特征融合模块,特征映射,高小,检测能力,特征增强模块,残差网络,Res2Net,注意力机制,attention,深层特征,射进,还调,先验框,PASCAL,VOC2007,MSCOCO,检测精度,mAP,百分点,bird,bottle,chair,plant,上达
AB值：
0.370427
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。
