改进SSD特征融合的目标检测算法研究

摘要

针对目标检测在复杂环境下存在漏检和误检问题,提出一种在SSD(single shot multibox detector)算法中引入RFB(receptive field block)模块的方法,采用将Conv4_3、FC7、Conv8_2三个浅特征层进行特征连接的融合策略来检测小物体。加入空洞卷积层提高感受并获取更多目标尺度信息,利用网络结构连接浅层特征。在后三个深特征层Conv9_2、Conv10_2、Conv11_2中使用反卷积模块进行特征融合,生成新的Conv9_2和新的Conv10_2,使用RFB模块减少参数计算来检测物体。经过NMS(non-maximum suppression)处理进行目标检测的分类与回归。在PASCAL VOC2007、CSV和COCO2017数据集上的实验结果表明,该算法的检测精度得到了提升,其mAP相比DSSD(deconvolutional SSD)提升6.6个百分点,比SSD提升12.1个百分点,检测速度为49.1 FPS,同时对复杂环境具有良好的鲁棒性以及实时检测能力。