摘要：ssd算法利用多尺度特征图进行分类和位置回归,检测小目标效果优于YOLO算法,但ssd算法在进行车辆检测时存在漏检问题。为此,提出一种改进ssd算法。为提取更多的车辆特征信息,设计改进Inception模块替代ssd网络中的Conv8、Conv9和Conv10层。将浅层特征的位置信息和深层特征的语义信息进行均衡化融合,构建多尺度特征融合均衡化网络,提高小目标车辆识别率。在特征提取层均引入SENet,对不同特征通道的重要性进行重标定以提高模型性能。实验结果表明,改进后ssd算法在自制的车辆数据集上平均精度为90.89%,检测速度达到59.42 frame/s,相比改进前的ssd算法,在精度和速度上分别提高2.65个百分点和17.41 frame/s,能够更快速、准确地对图像中的车辆进行识别和定位。

摘要：针对ssd目标检测算法在实际的复杂的检测背景下存在着小目标错检和漏检率较高、小目标特征信息不足的缺点,提出一种改进的ssd算法。受特征金字塔网络(FPN)启发,设计特征融合模块(FFM),将ssd网络的高分辨率的低层特征图与高语义信息的高层特征图进行融合,由此保留了特征图的上下文信息,提高了多尺度小目标特征信息的提取能力;通过引入注意力机制构建特征注意力模块(FAM),将融合后的特征层通过FAM,学习重要特征并抑制不必要特征,提高了网络的表示能力。通过在公开的PASCAL VOC(2007+2012)数据集上进行实验,改进的模型平均精度均值(mAP)达到79.9%,与改进前的ssd算法相比,提高了4.24%,减少了错检和漏检的情况,使得改进后的ssd算法具有较强的鲁棒性,提升了目标检测性能。

摘要：针对当前铸件混流分拣线中,高相似度铸件检测准确率低、速度慢的问题,提出一种基于ssd的轻量级多铸件高效检测方法。首先,用融合轻量级ECA注意力机制的MobileNetv2替换ssd模型的主干网络,解决因轻量化设计而损失精度的问题;其次,采用反向残差层替换原ssd的卷积预测层,进一步轻量化算法,解决ssd算法因网络结构复杂,参数量和浮点计算量较大的问题。实验结果表明,所提出的算法在多铸件检测上,mAP达到97.10%,检测速度为46.84帧/s。相比ssd算法,GFLOPs降低了41倍,参数量减少至4.34 MB,在保证精度与速度的同时,降低了算法对硬件设备的需求。

摘要：架空输电线路图像中的缺陷目标具有多样的形状、尺寸和纹理特征,适当地表示和提取这些特征是一项挑战。为此,提出架空输电线路多类缺陷目标轻量化检测方法,建立轻量化主干网络,设计架空输电线路多类缺陷目标轻量化检测整体架构。以此为基础,引入高斯滤波算法,对架空输电线路图像实现预处理,增强图像特征。最终利用ssd(Single Shot MultiBox Detector)算法实现架空输电线路多类缺陷目标轻量化检测。实验结果显示,研究方法的图像特征增强效果明显,且在300次的迭代实验中,检测率始终接近100%,虚警率始终保持在2%左右。

摘要：针对多尺度单发射击检测(ssd)算法不同尺度的特征层很难进行融合互补问题,提出一种特征增强的ssd(FE-ssd)算法.首先对ssd算法的金字塔特征层中,每一尺度的特征进行尺寸不变的卷积操作;然后将卷积前与卷积后的特征进行特征融合操作,进而产生一组新的金字塔特征层;最后在新产生的金字塔特征层上执行目标的检测与定位任务.在PASCALVOC2007公共数据库上进行实验,当输入图像尺寸为300×300时,检测精度(mAP)达到78.0%,检测速度(FPS)达到82.5帧/s.此外,在拓展实验中,文中算法对图像中模糊目标的检测效果也优于ssd算法.

摘要：针对路面破损图像检测精度低、速度慢等问题,提出一种基于改进ssd的路面破损检测算法。该算法利用经过改进的Inception模块,使其替代ssd网络中的Conv4_3、FC7、Conv8、Conv9和Conv10层;针对路面裂缝、凹陷图像检测识别率低的问题,使用空洞卷积,在不丢失分辨率的情况下扩大感受野,提高浅层特征图对目标物体的特征提取能力。为使网络可以根据输入信息的多个尺度自适应调节接受域大小,在特征提取层引入SKNet。实验结果表明,改进后的方法在自制的路面特征数据集上的平均精度为89.52%,检测速度达到56.23 FPS,较改进前的算法在精度和检测速度方面分别提高了6.07%和13.21 FPS。基于ssd的改进算法不仅能有效识别路面破损特征,而且能有效提高识别速度并提升识别效率。

摘要：近年来,我国电力系统紧跟科技前进步伐,得到了空前发展。因而为保证输电系统的稳定运行,对输电线异物附着故障的检测识别方法成为电力行业相关人员的研究热点。为了对输电线异物附着故障进行有效地识别检测,从而提高电力巡检效率,本文结合输电线异物附着故障图像特点,对常见ssd算法(Single Shot MultiBox Detector)进行有效改进,将VGG16特征提取网络替换为ResNet50,并针对原模型在小目标检测中的不足,设计并应用了特征融合模块,且对1241张输电线异物附着故障图像进行数据扩充并制作成包含5000余张图像的数据集,由此训练出目标检测网络模型,最后训练数据集的均值精度mAP (mean Average Precision)在97%左右,达到了故障检测准确性的要求。

摘要：针对以往使用的置信度法、R检验法稳定性较差,导致避雷器内部绝缘缺陷带电检测精准度低的问题,提出基于ssd算法的500 kV避雷器内部绝缘缺陷带电检测。建立ssd框架,设定最佳映射解,通过堆叠方法获取映射解,使用ssd算法训练数据。通过确定的训练样本,计算损失函数,确定避雷器内部绝缘缺陷位置。当避雷器指示值过大、过小或不停摆动时,带电检测500 kV避雷器内部绝缘缺陷,确定其内部老化原因。由实验结果可知,该算法温差变化最大为14.2℃,与实际温差变化一致,说明该方法带电检测精准度较高。

摘要：针对目标检测算法ssd在交通应用中检测精度不高、对小尺度汽车和行人检测能力不足的问题,提出一种改进的ssd检测算法,将原ssd基础网络VGG-16替换成残差网络ResNet-50,来提高特征提取网络提取特征的能力并防止网络衰退。算法额外设计5层卷积层来简化原ssd网络结构,进行多尺度特征图的检测;将注意力机制CBAM融合到新基础网络中以提高语义信息提取能力、小目标检测能力及整体网络精度。实验结果表明,改进算法在KITTI数据集上的检测精度达到62.0%,比原来ssd网络提高4.7%。

摘要：ssd(single shot multi-box detector)是目前广泛应用于行人检测的神经网络算法,为了提高其检测精度和检测速度,对ssd算法进行了有效改进(改进后的算法称为Xssd-P)。选择Xception网络作为Xssd-P算法的骨干网络并重新选择用于预测的特征层;根据行人外形尺寸的特征设计了多尺度卷积核和基础锚框,并将二者耦合,基础锚框通过调节自身大小得到锚框(anchors)用于位置回归;再使用深度可分离卷积代替常规卷积在特征图上进行预测,实现了行人的有效检测。在INRIA数据集、VOC数据集和COCO数据集上进行检测精度对比测试,与ssd以及其他主流算法相比,Xssd-P算法在行人检测方面拥有更高的检测精度,并在Caltech行人数据集和MIT行人数据集中验证了Xssd-P算法的泛化性能。在检测速度方面,与ssd算法相比,Xssd-P算法的检测速度高出30 FPS,提高了42.86%。实验结果表明,Xssd-P的检测精度和检测速度均优于ssd算法。