检索结果-内蒙古大学图书馆

计算机研究与发展 2025年第2期62卷 397-407页

作者：张秀再邱野沈涛南京信息工程大学电子与信息工程学院江苏省大气环境与装备技术协同创新中心(南京信息工程大学)

在地铁场景中，小行人目标由于分辨率低，包含特征信息较少，现阶段目标检测器对此类目标的检测仍具有挑战性. ssd目标检测算法利用金字塔网络的多尺度检测头，能一定程度提高行人目标检测性能，但将其应用于地铁等复杂环境中实现小行... 详细信息

在地铁场景中，小行人目标由于分辨率低，包含特征信息较少，现阶段目标检测器对此类目标的检测仍具有挑战性. ssd目标检测算法利用金字塔网络的多尺度检测头，能一定程度提高行人目标检测性能，但将其应用于地铁等复杂环境中实现小行人目标检测仍具有一定局限性.针对上述问题，提出一种改进ssd算法以加强地铁场景中小行人目标检测效果.通过构建地铁场景行人目标数据集，标注相应标签，同时进行数据预处理操作；在特征提取网络中加入金字塔特征加强模块，将多分支残差单元、亚像素卷积和特征金字塔相结合获得图像多尺度、多感受野融合特征；利用上下文信息融合模块将图像低层特征与上下文特征相融合，生成扩展特征层用于检测小行人目标；设计一种基于Anchor-free的动态正负样本分配策略，为小行人目标生成最优正样本.实验结果表明：提出的改进ssd算法能有效提高地铁场景小行人目标检测性能，对遮挡严重的小行人目标检测，效果提升更为明显.

关键词：小行人目标检测 ssd算法注意力机制亚像素卷积多尺度特征融合

来源：评论

学校读者我要写书评

暂无评论

基于改进型ssd算法的钢缆表面缺陷检测方法

引用

电子设计工程 2025年第7期33卷 66-71页

作者：姜冲莫文洁冯上榜杨永杰许鹏南通大学信息科学技术学院江苏南通226019 南通先进通信技术研究院有限公司江苏南通226019

针对在框绞过程中钢缆表面会产生缺陷的问题,采用了改进型ssd算法的方法。具体措施为:使用ResNet18作为ssd的骨干算法来提取特征信息;通过萤火虫优化算法和K-Means算法优化先验框,提高匹配精度;引入单向特征融合模块和改进的CBAM注意力... 详细信息

针对在框绞过程中钢缆表面会产生缺陷的问题,采用了改进型ssd算法的方法。具体措施为:使用ResNet18作为ssd的骨干算法来提取特征信息;通过萤火虫优化算法和K-Means算法优化先验框,提高匹配精度;引入单向特征融合模块和改进的CBAM注意力模块,提高了检测的精度;将Focalloss作为损失函数,减少训练过程中负样本的权值。结合钢缆缺陷数据集进行训练实验,得出改进型ssd算法平均精度为80.3%,相对于传统的ssd-VGG模型提升9%,FPS保持在63.3。在检测精度和检测速度方面上,改进型ssd算法能满足实际需求。

关键词：钢缆缺陷注意力机制目标检测 ssd算法特征融合

来源：评论

学校读者我要写书评

暂无评论

特征增强的ssd算法及其在目标检测中的应用

引用

计算机辅助设计与图形学学报 2019年第4期31卷 573-579页

作者：谭红臣李淑华刘彬刘秀平大连理工大学数学科学学院大连116024

针对多尺度单发射击检测(ssd)算法不同尺度的特征层很难进行融合互补问题,提出一种特征增强的ssd(FE-ssd)算法.首先对ssd算法的金字塔特征层中,每一尺度的特征进行尺寸不变的卷积操作;然后将卷积前与卷积后的特征进行特征融合操作,进而... 详细信息

针对多尺度单发射击检测(ssd)算法不同尺度的特征层很难进行融合互补问题,提出一种特征增强的ssd(FE-ssd)算法.首先对ssd算法的金字塔特征层中,每一尺度的特征进行尺寸不变的卷积操作;然后将卷积前与卷积后的特征进行特征融合操作,进而产生一组新的金字塔特征层;最后在新产生的金字塔特征层上执行目标的检测与定位任务.在PASCALVOC2007公共数据库上进行实验,当输入图像尺寸为300×300时,检测精度(mAP)达到78.0%,检测速度(FPS)达到82.5帧/s.此外,在拓展实验中,文中算法对图像中模糊目标的检测效果也优于ssd算法.

关键词： ssd算法目标检测特征融合网络结构

来源：评论

学校读者我要写书评

暂无评论

改进ssd算法及其在地铁安检中的应用

引用

计算机工程 2021年第7期47卷 314-320页

作者：张震李孟洲李浩方马军强郑州大学电气工程学院郑州450001

针对传统ssd算法在检测小目标时容易漏检且检测精度不高的问题,提出一种改进算法。对ssd算法中各尺度特征进行尺寸大小不变的卷积操作,将卷积前后对应的特征进行轻量级网络融合,从而生成新的金字塔特征层,并加入基于残差模块的检测单元... 详细信息

针对传统ssd算法在检测小目标时容易漏检且检测精度不高的问题,提出一种改进算法。对ssd算法中各尺度特征进行尺寸大小不变的卷积操作,将卷积前后对应的特征进行轻量级网络融合,从而生成新的金字塔特征层,并加入基于残差模块的检测单元避免增加网络模型容量和运算复杂度,同时增强对小尺度目标的检测能力。基于PASCAL-VOC2007小目标数据集的实验结果表明,与传统ssd、YOLOv3、Faster RCNN等算法相比,在PASCAL-VOC2007小目标数据集中,该算法的m AP指标较传统ssd算法提高8.5%,较Faster RCNN算法提高3.9%,较YOLOv3提高2%,FPS达到83 frame/s,其检测地铁安检图片的m AP达到77.8%。

关键词： ssd算法网络融合金字塔特征层残差模块检测单元目标检测

来源：评论

学校读者我要写书评

暂无评论

改进ssd算法的道路小目标检测研究

引用

计算机工程 2022年第5期48卷 281-288页

作者：邹慧海侯进西南交通大学唐山研究生院河北唐山063000 西南交通大学信息科学与技术学院成都611756

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... 详细信息

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。

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

来源：评论

学校读者我要写书评

暂无评论

基于改进ssd算法的车辆检测

引用

计算机工程 2022年第1期48卷 266-274页

作者：李国进胡洁艾矫燕广西大学电气工程学院南宁530004

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... 详细信息

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。

关键词：车辆检测 ssd算法 Inception结构注意力机制特征融合

来源：评论

学校读者我要写书评

暂无评论

ssd算法在交通标识识别中的研究与实现

SSD算法在交通标识识别中的研究与实现

引用

作者：衡晓南京理工大学

学位级别：硕士

在无人驾驶场景下,交通标识识别问题对于车辆的驾驶管理起到了重要的调节作用。本文针对交通标识识别问题,采用了目前业内先进的ssd算法对需要识别的道路交通标识进行特征的提取,然后识别出图像中三类目标即警告、指示和禁止标识。ssd... 详细信息

在无人驾驶场景下,交通标识识别问题对于车辆的驾驶管理起到了重要的调节作用。本文针对交通标识识别问题,采用了目前业内先进的ssd算法对需要识别的道路交通标识进行特征的提取,然后识别出图像中三类目标即警告、指示和禁止标识。ssd算法使用底层的特征图进行检测,所包含的语义信息不足,导致原模型对小尺度的交通标识识别较差。针对这一问题本文提出基于特征金字塔的多尺度特征融合策略,利用反卷积将深层特征图进行上采样,然后连接到浅层特征图中。该策略可以丰富特征图中的语义信息,从而有助于提升网络的检测精度。本文使用中国交通标识检测数据集(CCTSDB)对改进的ssd模型进行训练和测试。为了满足需要,对数据集进行了预处理,处理内容包括图像增强和尺寸统一,其中通过图像增不仅可以改善数据集质量还能对数据集进行增广。在训练过程中,出现了正负样本训练不均衡的情况,导致模型经常难以收敛,为此本文针对分类损失函数,引入了权重因子项,该策略可以让模型在训练中自动增大困难样本的损失权重,从而使模型的训练更关注于困难样本,使难例得到充分的训练。模型在测试集的评价指标,验证了该策略的有效性。本文最终形成了一个基于特征金字塔的多尺度融合的ssd算法,该模型相比原始ssd算法在交通标识测试集上提升了识别精度且识别速度依旧能够达到实时,可以满足实际的应用需求。改进后的ssd算法可以增强无人车在道路结构上的认知能力,对于提升智能驾驶的安全性和准确性具有重要的意义。

关键词：交通标识识别卷积神经网络 ssd算法图像增强多尺度特征融合

来源：评论

学校读者我要写书评

暂无评论

一种改进的压板状态识别ssd算法

引用

电测与仪表 2021年第1期58卷 69-76页

作者：周克杨倩文王耀艺张金钱贵州大学电气工程学院贵阳550025 茅台学院酿酒工程自动化系贵州遵义564507

在变电站二次侧管理中,压板承担着重要作用。文章提出了一种改进ssd图像识别算法,用以实现对压板状态的识别。新算法通过在ssd目标识别算法中,嵌入注意力机制,利用注意力机制挖掘了每个特征通道的重要程度,提升有用特征的权重,抑制了无... 详细信息

在变电站二次侧管理中,压板承担着重要作用。文章提出了一种改进ssd图像识别算法,用以实现对压板状态的识别。新算法通过在ssd目标识别算法中,嵌入注意力机制,利用注意力机制挖掘了每个特征通道的重要程度,提升有用特征的权重,抑制了无效特征,提升了原有算法的检测精度。为了解决训练样本不足的问题,新算法通过对样本的扩充和迁移学习的方式,训练得到了提出的新ssd算法中的各个参数,并通过仿真实验进行验证。实验结果表明,改进后的ssd算法,其识别准确率达到96%,召回率达到94%,每秒可以检测23张图片,能够有效提升变电站内压板状态识别的效率。

关键词：压板状态识别 ssd算法注意力机制样本扩充迁移学习

来源：评论

学校读者我要写书评

暂无评论

结合RPN网络与ssd算法的遥感影像目标检测算法

引用

测绘科学 2021年第4期46卷 75-82,99页

作者：成喆吕京国白颖奇曹逸飞北京建筑大学北京102616

利用传统方法对遥感影像的目标检测,过程复杂并且耗时。随着深度学习的发展,用深度学习的方法进行目标检测,为遥感影像的检测开辟了新的思路。当前目标检测的方法主要包括以Faster R-CNN为代表的两阶段检测算法和以ssd为代表的单阶段算... 详细信息

利用传统方法对遥感影像的目标检测,过程复杂并且耗时。随着深度学习的发展,用深度学习的方法进行目标检测,为遥感影像的检测开辟了新的思路。当前目标检测的方法主要包括以Faster R-CNN为代表的两阶段检测算法和以ssd为代表的单阶段算法,两阶段算法精度高速度慢,单阶段算法速度快精度低。针对两种算法的优势,该文将Faster R-CNN中的RPN与ssd算法相结合,融合单阶段和两阶段算法的优势,在提高精度的情况下保证速度,并加入特征金字塔结构,利用多个卷积层融合低层特征和高层特征的信息,提高预测效果。在NWPUVHR-10高分辨率数据集上进行训练和测试,对结果进行算法评估。同时选用测试集将该文算法与Faster R-CNN和ssd算法进行对比,实验表明该文算法提高了对小目标物体的检测精度,获得了更优的性能。

关键词：目标检测深度学习 RPN网络 ssd算法遥感影像

来源：评论

学校读者我要写书评

暂无评论

基于改进型ssd算法的目标车辆检测研究

引用

重庆理工大学学报（自然科学） 2019年第1期33卷 58-63,129页

作者：陈冰曲邓涛重庆交通大学机电与车辆工程学院重庆400074 重庆交通大学航空学院重庆400074

车辆目标检测中,原始ssd(Single Shot Multi Box Detector)算法区域候选框尺度分布与特定的车辆数据集存在着偏差、冗余,导致检测准确度低,且相互重叠的目标检测较弱。重新设计了ssd算法的区域候选框,使其更符合特定数据集的分布,并在SS... 详细信息

车辆目标检测中,原始ssd(Single Shot Multi Box Detector)算法区域候选框尺度分布与特定的车辆数据集存在着偏差、冗余,导致检测准确度低,且相互重叠的目标检测较弱。重新设计了ssd算法的区域候选框,使其更符合特定数据集的分布,并在ssd算法的损失函数基础上增加排斥损失提高对重叠目标检测。实验对比原始ssd网络和改进型ssd网络。结果表明:在检测的类别置信度为0. 6条件下,改进型ssd网络检测的mAP值为91. 79%,重叠目标检测的mAP为86. 36%,相比于原始ssd算法分别提高了4. 3%和3%。

关键词：车辆 ssd算法区域候选框排斥损失实验

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：