计算机工程

作者：李国进, 胡洁, 艾矫燕

单位：广西大学 电气工程学院, 南宁 530004

关键词：车辆检测,SSD算法,Inception结构,注意力机制,特征融合

基金：广西创新驱动发展专项（桂科AA17202032-2）。

SSD算法利用多尺度特征图进行分类和位置回归，检测小目标效果优于YOLO算法，但SSD算法在进行车辆检测时存在漏检问题。为此，提出一种改进SSD算法。为提取更多的车辆特征信息，设计改进Inception模块替代SSD网络中的Conv8、Conv9和Conv10层。将浅层特征的位置信息和深层特征的语义信息进行均衡化融合，构建多尺度特征融合均衡化网络，提高小目标车辆识别率。在特征提取层均引入SENet，对不同特征通道的重要性进行重标定以提高模型性能。实验结果表明，改进后SSD算法在自制的车辆数据集上平均精度为90.89%，检测速度达到59.42 frame/s，相比改进前的SSD算法，在精度和速度上分别提高2.65个百分点和17.41 frame/s，能够更快速、准确地对图像中的车辆进行识别和定位。

来源：2022年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第1期