Page 116 - 基于深度学习的人工智能技术研究

Research on Artificial Intelligence Technology Based on Deep Learning
基于深度学习的人工智能技术研究

验框的坐标、高度、宽度等数据，根据先验框的具体坐标可以得出先验框的具体

信息。
2. 特征金字塔的 SSD 算法
随着科学技术的逐步发展，计算机技术与深度学习学科也在高速发展，目标

检测在深度学习领域中也取得了较大的进步，并且在人们的不断分析与研究过程
中，目标检测逐渐应用于交通检测和违规驾驶方面。但由于部分道路环境复杂且
特殊，在对小目标进行车辆检测过程中，其准确程度只有大目标的 1/3 左右，即
便小目标在监控画面中可以清晰地呈现出来，随着目标检测方法中特征层数的不

断增加，小目标在 SSD 算法中受到限制，很多数据信息无法及时呈现出来，在
监控画面中经常出现小目标车辆信息无法完整记录的现象，目前，中国科学家和
研究人员还在不断地分析研究。
在目标检测算法的完善过程中，大部分研究人员采用了多尺度融合的方法，

从而尝试在一定程度上增加目标检测的精确性。随着 SSD 算法的提出，特征金
字塔的概念也随之提出，被人们称为预测金字塔的概念。预测金字塔不仅仅代表
是在传统目标检测算法中最后一层进行预测，同时也表示在每一层的特征图上都
会进行预测。同时，预测金字塔的应用可以对多层预测结构进行预测，使得 SSD

算法相比 YOLO 算法的结果更准确。但是，SSD 算法在应用过程中也在不断地
暴露缺陷和不足，即使 SSD 算法可以对每一层特征图进行预测，但得到的数据
经过多次对比，每层特征图之间的结果仍然毫无关系。除此之外，SSD 算法在小
目标检测过程中，存在模糊或丢失的现象，在复杂的道路或交通环境中，SSD 算

法很难实现对小目标车辆的检测。因此，要想充分利用 SSD 算法，必须进一步
提高 SSD 对小目标检测的精确度。可以尝试缩小特征图，使得每个特征层中包
含的信息越来越多。为此，提出了新型特征融合方法（NFF）。
（1）新型特征金字塔

进行特征融合是为了结合不同的子模型优点，起到取长补短的作用。特征层
融合是指，较大感受野的浅特征图与感受野较小的深层特征图，二者充分结合，
新的模型会产生更好的检测性能。在新型特征融合方法的基础上，中国研究人员
提出了增强小目标信息自上而下的新型特征金字塔（NFF）。NFF 可以通过 SSD

中预测的金字塔卷积层，有深层特征图到浅层特征图，并且可以加特征信息传递
出来，使任何两个相邻的特征图的特征信息产生充分的联系，使得 SSD 的小目

108