基于深度可分离卷积与注意力的SSD目标检测模型

来源：计算机应用与软件杂志2026年第1期北京时间：

作者：卜子渝，杨哲，刘纯平, ,

摘要：SSD是基于深度学习的单阶段目标检测模型，但其特征金字塔中的特征图缺乏多尺度信息融合，导致对中小型目标识别效果不佳。针对该问题，提出一种基于注意力机制与深度可分离卷积的SSD目标检测模型(Attention&DSC Single Shot MultiBox Detector, AD-SSD)。AD-SSD首先归一化融合特征金字塔中的特征图，再引入注意力机制加强对目标信息的表征，并采用深度可分离卷积降低参数量。该方法提高了SSD的检测精度的同时，还加快了检测速度。在PASCAL VOC07+12数据集中，AD-SSD获得了81.7%的平均精度(mAP)，小型目标精度提高6.3百分点，中型目标精度提高6.4百分点，检测速度达到55.1FPS。

关键词：目标检测, 注意力机制, 深度可分离卷积, 特征金字塔