基于分步多尺度特征融合的SSD目标检测算法

为解决SSD(single shot multibox detector)目标检测算法由于浅层特征表征能力不强,导致对小目标检测精度较低的问题,提出了一种基于分步多尺度特征融合的SSD目标检测算法。为增加SSD模型浅层特征包含的细节信息和语义信息,在模型的低层特征部分引入了两个特征层;只对模型低层的两个特征图进行反卷积操作,并且分两步将低层三个不同尺度的特征图进行特征融合,不仅提高了模型浅层特征的表征能力,而且减少了算法运行过程中的计算量。实验结果表明,在PASCAL VOC2007数据集上,改进后的算法小目标类别的AP值得到了大幅度提高,mAP值比SSD算法提高了3.6%,算法的检测速度也满足实时性要求。