改进的SSD算法用于盲人户外出行多尺度障碍检测

摘要

文章针对盲人户外出行的障碍物探测问题,利用深度学习的方法建立了障碍物数据集和检测模型.虽然传统的SSD方法在VOC数据集和COCO数据集上有着良好的泛化性能,但是对障碍物的检测效果并不好.因此对SSD的先验框比例参数和网络结构进行改进,将anchor比例设置成更加符合本数据集的尺度,并且通过增加Conv3_3特征层达到识别不同尺寸障碍物的要求.通过与现有检测算法和数据集进行实验对比,得出改进的SSD算法对建立的数据集中的特殊尺度的障碍物检测要优于其他算法.