轻量化SSD目标检测方法研究
刘宽1
郎磊2
1.郑州轻工业大学 计算机与通信工程学院,郑州4500012.华中师范大学 物理科学与技术学院,武汉430079
摘要：为了提高目标检测在嵌入式或移动端设备运行的可能性,基于SSD(Single Shot MultiBox Detector)框架,结合轻量化神经网络,构建一种轻量化SSD目标检测模型,称其为快速且精准的SSD(Fast and Accurate Single Shot De-tector,FA-SSD).该方法采用轻量化卷积神经网络ESPNet作为基础网络,使用反卷积模块融合深浅层特征信息,并做轻量化处理,均衡模型尺寸和检测精度.实验结果表明,该方法相比原经典SSD算法具有更少的网络参数量和计算复杂度,在参数量上减少了47.3％,每秒处理图像帧数比经典SSD算法提升3.7倍.在VOC2007数据集中的测试平均精度均值(mAP)结果可以达到73.6％,和经典算法的结果相差无几,从而在保证检测精度的同时提高检测速度.
关键词：轻量化网络目标检测卷积神经网络反卷积
分类号：TP391(计算技术、计算机技术)
论文发表日期：2021-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 418-424 )
英文信息