基于改进 SSD 的车辆小目标检测算法研究

来源：计算机技术与发展杂志2022年第03期北京时间：

作者：郭健忠;余腾飞;崔玉定;周兴林

单位：1. 武汉科技大学 汽车与交通工程学院,湖北 武汉 430065;2. 武汉科技大学 机械自动化学院,湖北 武汉 430065

摘要：针对 SSD( single shot multibox detector,单步多盒检测) 算法在车辆的自动紧急制动( AEB) 中对远方目标检测效果差、检测速度慢、对硬件资源需求高的问题,提出了一种基于 SSD 的改进算法。首先用 MobileNetv2 替换 SSD 中的 AGG-16作为检测网络,以减少参数数量和计算量,降低网络对硬件性能的需求;其次,提出了特征增强和融合的方法,反复挖掘目标信息,并把不同特征层的信息进行融合,以提高对小目标检测的能力;最后,对先验框解码过程进行改进,减少网络需要解码的先验框数量,再次减少计算量，提高网络检测速度，并调整先验框的尺寸，进一步增强小目标检测的能力。把改进后的网络和 SSD300、YOLO、 MobileNetv2-SSD 等网络在 KITTI 数据集上进行检测和对比分析,实验结果表明,改进后的网络对小目标识别的速度有所加快,鲁棒性更好,准确率更高,同时也降低了对硬件配置资源的需求。

关键词：卷积神经网络;目标检测;小目标;特征增强;特征融合