改进的SSD算法及其在目标检测中的应用

来源 :计算机应用与软件 | 被引量 : 0次 | 上传用户：spsnake

【摘要】

：

针对以R-CNN展开的目标检测速度慢,传统的SSD算法在检测小目标精度不高的问题,提出一种改进的SSD算法。该算法提出轻量级网络融合+层级特征融合构建新的金字塔特征层来解决SSD对小目标识别率低的问题。将卷积前后的特征进行轻量级网络融合,形成新的金字塔特征层,对形成的特征层进行层级特征融合,形成最终的金字塔特征层,在最终的金字塔特征层上执行目标检测任务。在PASCAL-VOC2007的训练集和验证

【作者】

：

张震李孟洲李浩方马军强

【机构】

：

郑州大学电气工程学院

【出处】

：

计算机应用与软件

【发表日期】

：

2021年09期

【关键词】

：

SSD算法特征融合金字塔特征层目标检测

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

基于神经网络与特征融合的胶囊内镜图像识别模型

当前消化道胶囊内镜图像识别算法存在两个局限,一是要对有差别的病灶设计具体的特征检测算法;二是通过深度学习开展迁移学习时,原训练数据与胶囊内镜图像存在较大差异。因此,提出一种小型通用的基于神经网络与特征融合的胶囊内镜图像识别模型。对图像分离G通道、Log变换和直方图均衡化预处理;采用三个相同卷积神经网络分别对三种预处理后的图像提取特征;采用Bagging算法进行特征融合与识别。对Kvasir数据集的

期刊

胶囊内镜图像G通道Log变换直方图均衡化卷积神经网络BAGGING算法特征融合

多智能体同时到达多目标点的协同强化学习算法

针对动态未知环境下多智能体多目标协同问题,为实现在动态未知环境下多个智能体能够同时到达所有目标点,设计函数式奖励函数,对强化学习算法进行改进。智能体与环境交互,不断重复"探索-学习-决策"过程,在与环境的交互中积累经验并优化策略,在未预先分配目标点的情况下,智能体通过协同决策,能够避开环境中的静态障碍物和动态障碍物,同时到达所有目标点。仿真结果表明,该算法相比现有多智能体协同方法的学习速度平均提高

期刊

多智能体多目标同时到达协同避障强化学习

改进的SSD算法及其在目标检测中的应用

其他学术论文