面向小目标检测结合特征金字塔网络的SSD改进模型

摘要

针对SSD卷积神经网络模型对小目标检测精度不高的问题,提出了一种基于特征金字塔网络的SSD改进模型.特征金字塔网络可以将深层的携带有更抽象、更丰富的语义信息的卷积特征图与浅层的分辨率更高、更细节的卷积特征图进行融合.检测的过程是将原始SSD网络得到的多层特征图,经过本文设计的横向连接层、上采样层、融合层和预测层的处理后,再通过非极大值抑制得到最终的检测结果.本文采用PASCAL VOC2007和2012(train+val)作为训练集,在PASCAL VOC2007(test)测试集的mAP达到了75.8％,相比原SSD模型提高了1.5％.特别的,在盆栽植物类密集小目标检测上有9.9％的提升.