轻量化煤矸目标检测方法研究

针对目前基于深度学习的煤矸目标检测方法精度低、实时性差、小目标易漏检等问题,采用轻量化网络、自注意力机制、锚框优化方法对SSD模型进行改进,构建Ghost-SSD模型,进而提出一种轻量化煤矸目标检测方法。Ghost-SSD模型以SSD模型为基础框架,采用GhostNet轻量化特征提取网络代替主体网络层VGG16,以提高煤矸目标检测速度;针对浅层特征图中包含较多背景噪声及语义信息不足问题,引入自注意力模块对浅层特征图进行特征增强,提高对前景区域的关注度,并采用扩张卷积增大浅层特征图的感受野,丰富浅层特征图的语义信息;采用K-means算法对锚框进行聚类,优化锚框尺寸设置,进一步提高煤矸目标检测精度。实验结果表明,基于Ghost-SSD模型进行煤矸目标检测时,平均精度均值较SSD模型提高3.6%,检测速度提高75帧/s,且检测精度与速度均优于Faster-RCNN,Yolov3模型,同时对煤矸小目标具有较好的检测效果。