计算机科学与探索

作者：陈灏然, 彭力

单位：物联网技术应用教育部工程研究中心（江南大学 物联网工程学院），江苏 无锡 214122

关键词：机器视觉,特征融合,感受野,小目标,深度学习

早前提出的one-stage类算法SSD，在主干网络特征提取方面，经过3×3的卷积之后会造成计算通道数增多。同时，在SSD中这些被提取出的特征直接生成特征图并分别丢入预测模型中，导致层与层之间没有很好的信息交融。在现实的检测过程中，因为神经网络的主导为大型目标，常常会忽略相对于大型物体更容易被漏检的小型物体，导致小型被检测物的检测成功率较低。因此基于SSD进行研究，融入了一种基于特征融合的感受野模型Receptive Field Block。在特征提取的主干网络上，基于感受视野特征提取融入特征融合模块，以加强对小目标的检测效果。该改进算法框架在VOC公开数据集上的mAP为81.8%，在自制的针对小目标的航拍数据集上的mAP为82.8%，在牺牲了部分速度的情况下，在精度方面产生了较大的优势。

来源：2021年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第2期