DF-SSD:一种基于反卷积和特征融合的单阶段小目标检测算法

来源 :计算机与现代化 | 被引量 : 0次 | 上传用户:zgm_19780916
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对经典的单阶段多目标检测算法SSD对小目标物检测效果差的问题,提出DF-SSD算法,其核心技术贡献包括基于反卷积与特征融合的方法和改进后的先验框尺寸计算算法。反卷积与特征融合能够增加浅层特征层的语义信息。改进后的先验框尺寸计算引入了数据集的特点,能有效利用每一个先验框进行训练和预测。改进后的方法 DF-SSD与基于SSD改进的R-SSD和RSSD模型相比,具有较高的检测准确率。同时,DF-SSD的检测时间仅是R-SSD的1/2,是DSSD的1/5。改进后的方法在VOC2007和DIOR这2个数据集
其他文献
关键词:区块链;人资信息化系统;Fabric;加密算法;椭圆曲线函数;共享能力  常规技术中,企业人事管理主要依赖人工方式,由于电力企业人资信息原始数据庞大,在管理过程中很容易产生新的数据,在管理这些庞大数据时,人力资源和时间浪费,还容易潜在错误和信息遗失的风险。因此,现有的管理方法很难适应现代电力企业快速发展。具有去中心化、去信任化、防篡改和信息可追溯等特性区块链起源于比特币,是构建比特币区块链
关键词:双极型矩阵变换器;无差拍控制;电源电流;矢量調制
关键词:新能源并網发电;电能质量;配电网;电压偏差;谐波
关键词:BIM技术;公路征地拆迁;扬尘监测;BIM信息库;谱特征量  公路征地拆迁中扬尘对大气环境具有很大的负面影响,因此,需对其展开实时监测,从而提高对公路征地拆迁中扬尘的治理和实时监管能力,保障公路征地拆迁的环境生态安全。可以说,研究公路征地拆迁中扬尘的实时监测方法,在公路环境污染治理和保护中具有重要意义。因此,相关公路征地拆迁中扬尘实时监测方法的研究成果也受到相关领域的极大关注。  一般来说
针对结构设计不合理的卷积神经网络导致MNIST识别的准确率低、收敛速度慢和训练参数多等问题,提出卷积神经网络结构的改进模型。改进的模型采用2次卷积、2次池化和3次全连接、采用Relu激活函数和Softmax回顾函数相结合,加入Dropout层防止过拟合,加入Flatten层优化结构。为了缩减代码量,采用API功能强大的Keras模型替代Tensorflow。对MNIST的训练集和测试集数据的准确率
關键词:流量分析;网络优化;流量控制;交换机;过程层;智能变电站  随着智能变电站的推广应用,大量的变电站采用过程层网络进行SV(采样值,Sampled Value)、GOOSE(面向通用对象的变电站事件,GenericObject Oriented Substation Event)报文传输,过程层网络架构如图1所示。  间隔层设备保护装置和测控装置通过过程层交换机与过程层设备合并单元和智能终端