计算机工程

作者：邹慧海, 侯进

单位：1. 西南交通大学 唐山研究生院, 河北 唐山 063000;2. 西南交通大学 信息科学与技术学院, 成都 611756

关键词：小目标检测,SSD算法,ResNet50网络,特征金字塔网络,全局平均池化

基金：四川省科技计划项目“基于深度学习算法研究LHAASO高能宇宙线成份鉴别”（2020SYSY0016）。

在道路场景中，因小目标分辨率低且特征不明显，传统的目标检测算法难以确认其所属类别和位置信息，导致检测精度低、检测速度慢、漏检率高。提出一种改进SSD的道路小目标检测算法RFG_SSD。在SSD网络结构的主干部分和检测部分之间，通过引入改进的特征金字塔网络结构，融合浅层和深层感受野的特征信息，以获得小目标语义信息丰富的特征图。将深层特征提取网络ResNet 50作为改进网络的主干特征提取网络，提高整体网络的检测精度。为加快网络运算速度，基于检测层结构，利用全局平均池化层代替全连接层，减少网络参数量。实验结果表明，与SSD、VGG16+SFPN等算法相比，该算法能够有效提高小目标检测性能，且加快检测速度，其在BDD100K数据集上的平均精度和检测速度分别为98.05%和85.56 frame/s，小目标检测个数相较于SSD算法提高3倍多。

来源：2022年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第5期