改进SSD算法的小目标检测研究

作者：陈德海; 孙仕儒^*; 王昱朝; 雷志军

来源：传感器与微系统, 2023, 42(03): 65-68+72.

DOI：10.13873/J.1000-9787(2023)03-0065-04

• 目标检测
• SSD算法
• 特征融合
• 注意力机制
• 鲁棒性

针对SSD目标检测算法在实际的复杂的检测背景下存在着小目标错检和漏检率较高、小目标特征信息不足的缺点，提出一种改进的SSD算法。受特征金字塔网络(FPN)启发，设计特征融合模块(FFM),将SSD网络的高分辨率的低层特征图与高语义信息的高层特征图进行融合，由此保留了特征图的上下文信息，提高了多尺度小目标特征信息的提取能力；通过引入注意力机制构建特征注意力模块(FAM),将融合后的特征层通过FAM,学习重要特征并抑制不必要特征，提高了网络的表示能力。通过在公开的PASCAL VOC(2007+2012)数据集上进行实验，改进的模型平均精度均值(mAP)达到79.9%,与改进前的SSD算法相比，提高了4.24%,减少了错检和漏检的情况，使得改进后的SSD算法具有较强的鲁棒性，提升了目标检测性能。

• 出版日期2023
• 单位江西理工大学; 自动化学院