公开(公告)号：CN110188802B

公开(公告)日：2022-08-30

申请号：CN201910393189.8

申请日：2019-05-13

Applicant: 南京邮电大学

Inventor： 唐贵进 ,  李茂鹏 ,  刘小花 ,  崔子冠 ,  杨苏娟

IPC: G06V10/80 ,  G06V10/82 ,  G06K9/62

Abstract: 本发明公开了计算机视觉领域内的一种基于多层特征图融合的SSD目标检测算法，包括以下具体步骤：对图像进行预处理，将图像大小缩放成网络能够进行检测的尺寸；选取网络Darknet53对图像进行特征提取；在网络Darknet53的后面额外增加三个卷积层，融合Darknet53中后三层卷积层及增加的三层卷积层所产生的六层特征图；将该融合的特征图使用卷积进行下采样操作，产生金字塔特征层次结构；将网络Darknet53的后两层及额外增加三个卷积层产生的五层特征图进行上采样操作，然后与金字塔特征层次结构中尺寸对应的特征图进行融合；在这六层融合后的特征图上使用一系列卷积产生最终的检测结果，本发明极大的改善了目标检测的能力，可用于图像处理中。

公开(公告)号：CN110188802A

公开(公告)日：2019-08-30

申请号：CN201910393189.8

申请日：2019-05-13

Applicant: 南京邮电大学

Inventor： 唐贵进 ,  李茂鹏 ,  刘小花 ,  崔子冠 ,  杨苏娟

IPC: G06K9/62

Abstract: 本发明公开了计算机视觉领域内的一种基于多层特征图融合的SSD目标检测算法，包括以下具体步骤：对图像进行预处理，将图像大小缩放成网络能够进行检测的尺寸；选取网络Darknet53对图像进行特征提取；在网络Darknet53的后面额外增加三个卷积层，融合Darknet53中后三层卷积层及增加的三层卷积层所产生的六层特征图；将该融合的特征图使用卷积进行下采样操作，产生金字塔特征层次结构；将网络Darknet53的后两层及额外增加三个卷积层产生的五层特征图进行上采样操作，然后与金字塔特征层次结构中尺寸对应的特征图进行融合；在这六层融合后的特征图上使用一系列卷积产生最终的检测结果，本发明极大的改善了目标检测的能力，可用于图像处理中。