基于改进SSD模型的牛脸检测

发布时间：2021-07-26 17:18

　　针对牲畜牛健康检测中的牛脸快速检测问题,提出一种基于改进单镜头多盒检测器（single shot multibox detector,SSD）模型的牛脸检测方法。以轻量级网络MobileNet v2作为模型的基础网络,较使用VGG-16的SSD模型,速度有一定提高;使用K-均值聚类对模型默认框的高宽比进行优化,使模型更加具有针对性。实验结果表明,和其它方法相比,该方法在精确率、召回率、FPS等指标上较优。 

【文章来源】：计算机工程与设计. 2020,41(03)北大核心

【文章页数】：5 页

【部分图文】：

SSD模型结构

在检测过程中，SSD使用了被称为默认框（default box）的机制[4]，即生成一些预选框，和图像中的物体进行匹配，匹配到物体之后，使用softmax分类和边界框回归得到物体的种类与位置。边界框回归可以对默认框进行位置和大小的微调，得到SSD模型最终的检测框。默认框匹配步骤如图2所示。在同一个栅格（cell),SSD会使用4～6个高宽比不同的默认框进行匹配，匹配到物体之后，再进行之后的分类和回归操作。1.3 损失函数

MobileNet v2结构主要有两个特点，一是使用了深度可分离卷积[9]；二是使用了倒置残差块[9]。就是这两个特点，让MobileNet v2在使用极少的参数量的条件下依然保持较高精度。和标准卷积相比，深度可分离卷积对特征图的某一通道进行卷积，之后使用1×1卷积进行特征融合，其性能和标准卷积相似，但参数量得到了极大的减少。深度可分离卷积如图4所示。


本文编号：3304001