Resumen

El SSD (Single Shot MultiBox Detector) es uno de los mejores algoritmos de detección de objetos y es capaz de proporcionar un alto rendimiento en la detección de objetos en tiempo real. Sin embargo, el SSD muestra un rendimiento relativamente pobre en la detección de objetos pequeños porque su capa de predicción poco profunda, que es responsable de la detección de objetos pequeños, carece de suficiente información semántica. Para superar este problema, en este trabajo se propone SKIPSSD, un SSD mejorado con una novedosa conexión de salto de mapas de características multiescala, para mejorar la información semántica y los detalles de las capas de predicción mediante la fusión de salto de mapas de características de alto y bajo nivel. Para el detalle de los métodos de fusión, diseñamos dos módulos de fusión de características y múltiples estrategias de fusión para mejorar la sensibilidad y la capacidad de percepción del detector de SSD. Los resultados experimentales en el conjunto de pruebas PASCAL VOC2007 demuestran que SKIPSSD mejora significativamente el rendimiento de la detección y supera a muchos detectores de objetos de última generación. Con un tamaño de entrada de 300 × 300, SKIPSSD alcanza un 79,0% de mAP (precisión media) a 38,7 FPS (fotogramas por segundo) en una sola GPU de 1080, un 1,8% más que el mAP de SSD, manteniendo la velocidad de detección en tiempo real.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:multibox de disparo único, información semántica suficiente, detector de multibox de disparo, estrategia de fusión múltiple, algoritmo de detección de objetos, conexión de salto novedosa, mapa de características de nivel, mapa de características multiescala, ssd, módulo de fusión de características
• Keywords:single shot multibox, enough semantic information, shot multibox detector, multiple fusion strategy, object detection algorithm, novel skip connection, level features map, multiscale features map, ssd, features fusion module