面向车辆和行人检测的KM-SSD方法

摘要

传统SSD改进方法在提升SSD目标检测精度的同时会降低其检测速度.针对这一问题,本文以SSD为基础,提出改进的KM-SSD方法.该方法首先利用K-means++聚类算法自适应学习先验框的宽高比例;然后设计高效特征融合模块实现高低层特征信息融合;最后本文在具有挑战性的KITTI数据集上对KM-SSD方法进行验证.实验结果表明,SSD的mAP为62.7％,平均检测时间为0.162 s;KM-SSD的mAP为69.8％,平均检测时间为0.133 s.因此,KM-SSD不仅提升了SSD在车辆和行人检测下的准确度,更是提高了SSD的检测速度,从而验证了本文所使用的K-means++聚类算法的有效性和特征融合方法的高效性.