Changchun Institute of Optics,Fine Mechanics and Physics,CAS
| 基于深度卷积神经网络的小目标检测算法 | |
| 李航; 朱明 | |
| 2020-04-15 | |
| 发表期刊 | 计算机工程与科学
 |
| 卷号 | 42期号:04页码:649-657 |
| 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。 |
| 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 |
| URL | 查看原文 |
| 文献类型 | 期刊论文 |
| 条目标识符 | 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.中国科学院长春光学精密机械与物理研究所 2.中国科学院大学 |
| 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. |
| 条目包含的文件 | 下载所有文件 | |||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 基于深度卷积神经网络的小目标检测算法.p（2091KB） | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [李航]的文章 |
| [朱明]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [李航]的文章 |
| [朱明]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [李航]的文章 |
| [朱明]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论