典型文献
注意力特征融合SSD算法对遥感图像的目标检测
文献摘要：
针对多尺度单发射击检测(Single Shot MultiBox Detector,SSD)算法对小目标物体检测效果不佳的问题,提出注意力特征融合SSD(Attention Feature Fusion SSD,AFF-SSD)算法.首先,为了提升网络对小目标物体的检测性能,使用注意力特征融合模块对浅层特征图中的特征信息融合,在降低噪声的同时增强特征图中远距离像素的相关性;其次,针对训练过程中正负样本失衡导致的模型退化问题,结合聚焦分类损失函数对SSD算法中的损失函数优化;最后,引入迁移学习解决因训练数据较少导致的过拟合问题.实验结果表明,与SSD算法相比,AFF-SSD算法平均准确率均值提高8.09％,经过迁移学习后,AFF-SSD算法平均准确率均值提高3.47％.
文献关键词：
遥感图像;目标识别;注意力特征融合;损失函数;迁移学习
中图分类号：
作者姓名：
尹法林;王天一
作者机构：
贵州大学 大数据与信息工程学院,贵州 贵阳 550025
文献出处：
引用格式：
[1]尹法林;王天一-.注意力特征融合SSD算法对遥感图像的目标检测)[J].网络安全与数据治理,2022(09):67-73
A类：
B类：
注意力特征融合,SSD,遥感图像,目标检测,单发,射击检测,Single,Shot,MultiBox,Detector,小目标,物体检测,检测效果,Attention,Feature,Fusion,AFF,检测性能,特征融合模块,特征图,特征信息融合,低噪声,中远,远距离,距离像,像素,训练过程,中正,正负样本,模型退化,损失函数优化,迁移学习,训练数据,过拟合,平均准确率,目标识别
AB值：
0.421654
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
