关键词:
目标检测
CCBAM
特征融合
空洞卷积
RFFM
摘要:
针对SSD(Single Shot Multibox Detector)目标检测算法在浅层特征层缺乏语义信息和高层特征层缺乏细节信息造成的漏检、误检等问题,提出了一种改进的SSD目标检测算法。首先引入改进的全面卷积注意力模块CCBAM(Comprehensive Convolutional Block Attention Module),提高网络对于小目标的敏感程度。之后构建分层特征融合网络HFFNet(Hierarchical Feature Fusion Network),使浅层的细节信息和高层的语义信息进行充分的融合,同时在下采样过程中,使用空洞卷积提取不同尺度的特征信息;在上采样过程中,使用像素重组增加高层特征层分辨率的同时减少信息的丢失,之后与低层特征层融合,加强低层特征层的语义信息。最后,采用残差特征融合模块RFFM(Residual Feature Fusion Module),加强高层特征层局部信息和全局信息的整合,同时丰富特征信息。实验表明,在PASCAL VOC2007测试集上mAP@0.5达到79.6%,比原始SSD算法提高了2.4%,检测速度达到了47.8 FPS。