A Target Detection Algorithm based on Single Shot Detector

Abstract

This article first explains the basic theories and models in deep learning, then analyzes different classic convolutional neural network structure models, expounds the advantages and disadvantages of different target detection models based on convolutional neural networks, and finally determines the problems to be studied. It studies the detection of small and medium targets on the basis of the existing algorithm model, and proposes corresponding improvement ideas. Therefore, in order to more effectively improve the accuracy of small target detection, this paper proposes an improved single shot detector (SSD) target detection and recognition method based on cspdarknet53, which introduces a lightweight and efficient channel attention (eca) mechanism and features Pyramid Network (FPN). First, the proposed algorithm replaces the original SSD backbone network with cspdarknet53 to enhance the learning ability of the network. Then, a lightweight eca attention mechanism is added to the basic convolution block to optimize the network. Finally, FPN is used to gradually fuse the multi-scale feature maps used for detection in the SSD from the deep to the shallow layers of the network to improve the positioning accuracy and classification accuracy of the network. The experimental results show that the proposed target detection algorithm has better detection accuracy, and the improved method has obvious effects, and it can improve the detection accuracy of small targets.|본 논문는 먼저 딥 러닝의 기본 이론과 모델을 설명한 다음, 다른 고전적인 컨볼루션 신경망 구조 모델을 분석하고, 컨볼루션 신경망에 기초한 다른 타깃 검출 모델의 장단점을 설명하고, 마지막으로 연구해야 할 문제를 결정한다. 기존 알고리듬 모델을 기반으로 중소형 대상의 검출을 연구하고, 그에 상응하는 개선 아이디어를 제안한다. 따라서 본 논문은 소형 타깃 검출의 정확도를 보다 효과적으로 향상시키기 위해 가볍고 효율적인 채널 주의(eca) 메커니즘을 도입하고 피라미드 네트워크(FPN) 기능을 특징으로 하는 cspdarknet53에 기반한 개선된 Single Shot Detector (SSD) 타깃 검출 및 인식 방법을 제안한다. 첫째, 네트워크의 학습 능력을 향상시키기 위해 원래 SSD 백본 네트워크는cspdarknet53으로 대체된다. 다음, 네트워크를 최적화하기 위해 기본 컨볼루션 블록에 경량 ECA 주의 메커니즘이 추가된다. 마지막으로, FPN은 네트워크의 심층 계층에서 얕은 계층으로 SSD에서 검출에 사용되는 다중 스케일 기능 맵을 점진적으로 융합하여 네트워크의 포지셔닝 정확도와 분류 정확도를 향상시키는 데 사용된다. 실험 결과로 제안된 타깃 검출 알고리듬이 더 나은 검출 정확도를 가지고 있으며, 특히 작은 타깃에 대한 검출 정확도를 향상시킨다는 것을 보여준다.