改进SSD算法及其在地铁安检中的应用

摘要

针对传统SSD算法在检测小目标时容易漏检且检测精度不高的问题,提出一种改进算法.对SSD算法中各尺度特征进行尺寸大小不变的卷积操作,将卷积前后对应的特征进行轻量级网络融合,从而生成新的金字塔特征层,并加入基于残差模块的检测单元避免增加网络模型容量和运算复杂度,同时增强对小尺度目标的检测能力.基于PASCAL-VOC2007小目标数据集的实验结果表明,与传统SSD、YOLOv3、Faster RCNN等算法相比,在PASCAL-VOC2007小目标数据集中,该算法的mAP指标较传统SSD算法提高8.5％,较Faster RCNN算法提高3.9％,较YOLOv3提高2％,FPS达到83 frame/s,其检测地铁安检图片的mAP达到77.8％.