摘要
针对SSD卷积神经网络对难样本,特别是小目标检测的准确性不高的问题,在SSD网络结构的基础上,引入一种新的减少目标分类歧义的逐步求精网络,提出一种改进的SSD目标检测算法。该算法融入从网络高层上下文中获得的进行类预测的残差信息,把该信息分阶段地逐步添加到基本预测中,用特定的权重直接保留分类的监督信号,对所有阶段进行整合,获得最终分类分数。该算法避免了对高层信息的过度依赖,并在当前尺度级别上提供了充分的学习。实验表明,改进SSD的目标检测算法在PASCAL VOC数据集上获得的平均准确率高达79.5%,证明了该方法的有效性和高效性。
出处
《河南广播电视大学学报》
2021年第2期108-112,共5页
Journal of Henan Radio & TV University
基金
2021年度河南省高等学校重点科研项目“城市环境下遥感图像小样本语义分割模型研究”,项目编号:21A520051
2021年度河南省重点研发与推广专项(科技攻关)“智能农作物害虫监测装置及灾害预测系统研发”,项目编号:212102210160
2019年度河南省重点研发与推广专项(科技攻关)“虚拟手术中软组织形变模型的研究”,项目编号:192102210297。
