基于深度卷积神经网络的小目标检测算法

CORC > 长春光学精密机械与物理研究所 > 中国科学院长春光学精密机械与物理研究所

	基于深度卷积神经网络的小目标检测算法
	李航 ; 朱明
刊名	计算机工程与科学
	2020-04-15
卷号	42 期号:04 页码:649-657
关键词	目标检测嵌入式平台小目标深度卷积神经网络多尺度预测
英文摘要	针对YOLO目标检测算法在小目标检测方面存在的不足,以及难以在嵌入式平台上达到实时性的问题,设计出了一种基于YOLO算法改进的dense_YOLO目标检测算法。该算法共分为2个阶段:特征提取阶段和目标检测回归阶段。在特征提取阶段,借鉴DenseNet结构的思想,设计了新的基于深度可分离卷积的slim-densenet特征提取模块,增强了小目标的特征传递,减少了参数量,加快了网络的传播速度。在目标检测阶段,提出自适应多尺度融合检测的思想,将提取到的特征进行融合,在不同的特征尺度上进行目标的分类和回归,提高了对小目标的检测准确率。实验结果表明:在嵌入式平台上,针对小目标,本文提出的dense_YOLO目标检测算法相较原YOLO算法mAP指标提高了7%,单幅图像检测时间缩短了15 ms,网络模型大小减少了90 MB,明显优于原算法。
URL标识	查看原文
内容类型	期刊论文
源URL	[http://ir.ciomp.ac.cn/handle/181722/64129]
专题	中国科学院长春光学精密机械与物理研究所
作者单位	1.中国科学院大学 2.中国科学院长春光学精密机械与物理研究所
推荐引用方式 GB/T 7714	李航,朱明. 基于深度卷积神经网络的小目标检测算法[J]. 计算机工程与科学,2020,42(04):649-657.
APA	李航,&朱明.(2020).基于深度卷积神经网络的小目标检测算法.计算机工程与科学,42(04),649-657.
MLA	李航,et al."基于深度卷积神经网络的小目标检测算法".计算机工程与科学 42.04(2020):649-657.