基于残差网络和改进特征金字塔的油田作业现场目标检测算法

作者：梁鸿; 李洋; 邵明文; 李传秀; 张兆雷

来源：科学技术与工程, 2020, 20(11): 4442-4450.

• 深度学习
• 单点多盒检测器(SSD)
• 小目标检测
• 特征金字塔
• 残差网络
• 空洞卷积
• 油田安防

针对单点多盒检测器(single shot multibox detector,SSD)对小目标识别率低的问题,提出一种基于残差网络和改进特征金字塔(feature pyramid networks,FPN)的RP-SSD(residual and pyramid SSD)算法,并将其应用于油田安防领域。为了得到小物体更多的信息,首先在特征金字塔中增加上采样模块,并在上采样模块之后添加预测模块,之后采用空洞卷积增大Conv43的感受野。RP-SSD网络变深,针对RP-SSD在反向传播过程中存在梯度爆炸或梯度消失的问题,采用跳层连接的方式改进基础网络。RP-SSD在PASCAL VOC测试的准确率(meanaverage precision,mAP)为78.9%,比SSD提高了1.7%,其中对于目标较小的bottle类提高了8.9%。实验结果表明,RP-SSD对小目标检测的性能提高显著,同时RP-SSD在GTX 1080Ti上测试的速度为32帧/s,可见RP-SSD可以达到实时处理的要求。

• 单位
  中国石油大学（华东）