一种基于DenseNet的SSD目标检测方法技术

本发明专利技术公开了一种基于DenseNet的SSD目标检测方法，包括5个步骤：S1：采集图像并对图像进行预处理；S2：构建基于DenseNet的SSD目标检测模型；S3：对模型进行通道剪枝；S4：训练剪枝后的SSD目标检测模型；S5：对模型进行测试。本发明专利技术提供的一种基于DenseNet的SSD目标检测方法，通过构建改进后的SSD检测模型并对其进行剪枝，使用PASCAL VOC数据集进行训练和测试，验证其在检测精度以及检测速度上的优势，对提高小目标检测性能具有重大作用。高小目标检测性能具有重大作用。高小目标检测性能具有重大作用。

【技术实现步骤摘要】
一种基于DenseNet的SSD目标检测方法


[0001]本专利技术属于计算机视觉的目标检测领域，具体涉及一种基于DenseNet的SSD目标检测方法。

技术介绍

[0002]目标检测是计算机视觉领域的重要研究课题之一，主要任务是从图像中快速定位出感兴趣的对象，并准确判断出每个对象的具体类别以及位置信息。近年来，目标检测已广泛应用于智能视频监控、故障检测、医疗等领域。自2012年提出的AlexNet对ImageNet有了显著改进以来，以卷积神经网络为代表的各种深度学习方法都先后应用于包括物体检测在内的许多视觉任务中。
[0003]作为一种基于深度学习的目标检测算法，SSD(Single Shot MultiBox Detector)在检测精度和检测速度上都具有比较高的性能。SSD算法是刘伟等人在2016年针对YOLO系列算法在目标定位中检测精度不足的问题提出的，它的主要思想是在图像的不同位置进行密集和均匀的采样。SSD借鉴了Faster R
‑
CNN中锚的概念，在采样时，用不同尺度和纵横比的先验框预测物体边界，然后用C本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DenseNet的SSD目标检测方法，其特征在于，包括以下步骤：S1：采集图像并对图像进行预处理；S2：构建基于DenseNet的SSD目标检测模型；S3：对模型进行通道剪枝；S4：训练剪枝后的SSD目标检测模型；S5：对模型进行测试。2.根据权利要求1所述的一种基于DenseNet的SSD目标检测方法，其特征在于，所述步骤S1具体包括以下步骤：S1.1：选取PASCAL VOC数据集中图像作为本实验的数据集，将数据集按一定比例划分为训练集和测试集；S1.2：将数据集图像调整为统一尺寸300
×
300。3.根据权利要求1所述的一种基于DenseNet的SSD目标检测方法，其特征在于，所述步骤S2具体包括以下步骤：S2.1：将SSD的骨干网络VGG
‑
16更换为DenseNet
‑
S
‑
32
‑
1；S2.2：将原SSD网络用来对象分类和位置回归的特征层与改进后的主干网络进行融合，组成特征融合模块；S2.3：对特征图的先验框数量进行调整。4.根据权利要求1所述的一种基于DenseNet的SSD目标检测方法，其特征在于，所述步骤S3使用基于通道注意力机制的通道剪枝算法对预训练模型进行剪枝，具体包括以下步骤：S3.1：在算法的每个阶段，先构造通道注意力单元以及交叉熵损失L
P
、重构误差损失L
M
并将其放在第L层上；S3.2：对L
P
、L
M
学习通道注意力单元的参数进行优化，当通道注意力单元得到充分...

【专利技术属性】
技术研发人员：胡征剑，肖洪祥，曾祥仑，赵子寒，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：