基于改进的DSSD的小目标检测算法研究

作者：杨朝晨; 陈佳悦; 邢可; 刘梦尼; 高涛

来源：计算机技术与发展, 2022, 32(06): 63-67.

• 深度学习
• DSSD
• 残差网络
• 小目标检测
• 图像处理

随着深度学习的迅速发展，图像识别技术也随之日益提高，其中目标检测在辅助驾驶系统、医学领域和车流监测系统等占有重要地位。大多目标检测算法对大目标较为敏感，且并未考虑特征与特征之间的相互关系及重要程度，然而小目标在图像中覆盖区域小，分辨率低，携带信息较少，导致小目标的误检或漏检率较高。针对以上问题，对小目标检测的难点进行研究，提出了一种基于改进的DSSD(deconvolutional single shot detector)的小目标检测算法。该算法引入混合注意力机制，在通道维度上增加权重分量进行加权求和表示信息相关度，并将图片中的空间域信息做对应空间变换，提取关键信息，突出局部重点区域，有利于前景小目标的特征学习。实验结果表明，该算法在VOC2007测试集上的精确度达到81.02%,比原DSSD算法高出1.3%,且均优于其他对比算法，证明了算法的有效性。