控制与决策

作者：王红梅,王晓鸽,王晓燕

单位：西北工业大学 航天学院,西安 710072,,航空工业西安航空计算技术研究所,西安 710065,,西北工业大学 航天学院,西安 710072,

关键词：目标检测;深度学习;SSD算法;复杂背景;困难样本;特征融合

基金：国家自然科学基金项目(61771400)；陕西省重点研发计划项目(2020GY-014).

目标检测是计算机视觉领域的重要研究方向.传统的目标检测方法在特征设计上花费了大量时间,且手工设计的特征对于目标多样性的问题并没有好的鲁棒性,深度学习技术逐渐成为近年来计算机视觉领域的突破口.为此,对现有的基础神经网络进行研究,采用经典卷积神经网络VGGNet作为基础网络,添加部分深层网络,结合SSD(single shot multibox detector)算法构建网络框架.针对模型训练中出现的正负样本不均衡问题,根据困难样本挖掘原理,在原有的损失函数中引入调制因子,将背景部分视为简单样本,减小背景损失在置信损失中的占比,使得模型收敛更快速,模型训练更充分,从而提高复杂背景下的目标检测精度.同时,通过构建特征金字塔和融合多层特征图的方式,实现对低层特征图的语义信息融合增强,以提高对小目标检测的精度,从而提高整体的检测精度.仿真实验结果表明,所提出的目标检测算法(feature fusion based SSD,FF-SSD)在复杂背景下对各种目标均可取得较高的检测精度.

来源：2022年第12期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第12期