基于单次双向特征金字塔网络的目标检测模型

目标检测是计算机视觉领域的重点研究方向,SSD模型虽然在检测精度与速度上均取得较好的效果,但其利用低语义信息的浅层特征训练小目标,容易出现小目标漏检和误检现象。对此,提出了一种基于单次双向特征金字塔网络的改进SSD目标检测模型（OBSSD）。首先基于分层融合的思想构建双向特征融合模块来解决浅层特征利用不足的问题;其次引入融合权重来更加有效地融合不同层级的特征,改善浅层特征语义信息低的问题;最后在分类和回归预测前加入基于残差模块的检测单元,解决因分类网络偏向平移不变性导致的目标定位不准确问题。在PASCAL VOC2007测试集上的实验结果表明：所提模型的平均精确度（mAP）为80.8%,较SSD模型提高6.5个百分点,且检测速度满足实时检测的需求。