基于深度学习的MSSD目标检测方法

摘要

文章提出了一种基于深度学习的MSSD（Modified Single Shot multibox Detector）目标检测方法。文章阐述了SSD方法的模型与工作原理,SSD方法采用多尺度的特征图预测物体,使用具有较大感受野的高层特征图预测大物体,具有较小感受野的低层特征图预测小物体。使用的低层网络的特征图预测小物体时,由于缺乏高层语义特征,所以导致SSD对小物体的检测效果较差。文章提出了一种MSSD模型,把原有的VGG网络替换为深度残差网络,采用了特征金字塔网络模块对高层语意信息和低层细节信息融合,并通过1 000张图像数据集测试,对比MSSD方法与SSD方法在目标检测上的物体检索能力与检测精度。结果表明,MSSD方法比SSD方法准确率高、速度快。