基于密集模块与特征融合的SSD目标检测算法

摘要

通过对原SSD(Single Shot Multibox Detector)模型的研究与分析,针对其对小目标检测能力较弱的问题,提出了一种基于密集模块与特征融合操作的改进模型.该模型以Inception-ResNet-V2与DenseNet为基础,吸取了inception模块中稀疏连接与密集网络中密集连接的研究思路,将两种方法融合在一起,提出了Inception-Dense特征提取结构.在多尺度检测的部分,借鉴并改进了特征金字塔的特征融合模块来加强对中小目标的检测能力.根据改进模型及实验数据集的相关特性,对默认框的映射机制也进行了重新设定.结果表明:该方法在Kitti数据集上的平均测试精确度(mAP)为83.8％;识别率相比于原SSD模型的72.8％,提升了11个百分点.FPS方面也有接近38％的提升,从原来的39提升到了54.