基于轻量化SSD的弱小目标检测

针对使用Vgg-16作为特征提取网络的目标检测算法SSD存在的模型不够轻量化以及对弱小目标的检测能力较弱等问题,提出替换SSD主干网络和在其分类层前添加特征融合模块的改进方法。在对目标检测数据集Pascal VOC07+12进行预处理之后,选择轻量化特征提取网络PeleeNet作为SSD的主干网络,平均精度提高1.7%的同时也将模型权重缩减为原来的1/5。此外,在模型分类层前将SSD生成的前三个特征图进行特征融合,丰富了小目标特征图的背景信息,在VOC2007测试集上的平均精度再次提高了3.1%。同时,模型在VOC小目标类别上的平均精度也要比对比方法高出1~5.5个百分点。最后,将模型在嵌入式开发板Jetson TX2上进行部署运行,实现了深度学习模型在嵌入式终端上的部署与应用。