排序方式: 共有12条查询结果,搜索用时 687 毫秒
1.
2.
SSD (Single Shot Multibox Dectetor)算法由于具有高速且高精度的检测性能,是目前最好的目标检测算法之一.但由于提取检测框的特征层的特征信息不足, SSD算法在小目标检测任务中表现不佳.为了解决这个问题,目前大部分方法以严重牺牲检测速度为代价提升目标检测模型的精度. 本文提出了SFE-SSD (Shallow Feature Enhancement SSD)提升SSD模型在小目标检测任务中的性能.首先我们采用反卷积操作对SSD算法中检测框金字塔特征层的最浅特征层进行特征扩张.接着通过特征融合机制对扩张后的特征层进行特征增强操作.浅层特征增强策略与SSD 的原始框提取金字塔特征层是并行结构,一定程度上是可以减少检测速度的损失.实验结果显示,我们的方法在PASCAL VOC 2007数据库上精度达到了78.4\%mAP高于SSD算法1.2\%,检测速度达到了81帧/秒,并且在小目标检测任务中有着显著的提升. 相似文献
3.
4.
1 引言图像拼接是指将具有部分景物重合的图像进行无缝拼合,生成一张具有较宽视角的高分辨率图像的技术.现有的图像拼接技术主要有两类:基于区域的方法和基于特征的方法.基于区域的方法[1]通常是取参考图像中某一窗口中的点作为特征模板,建立描述 相似文献
5.
6.
7.
8.
9.
10.