Page 117 - 基于深度学习的人工智能技术研究

第三章 深度学习理论与实践

标检测结果更加精确，达到小目标的位置信息与特征信息更精确的目的。在新型
特征融合金字塔中，利用融合特征层的方法技术，将金字塔中预测目标的位置信
息与类别信息相结合，从而提升 SSD 算法对小目标的检测能力。
（2）SSD 特征金字塔网络模型

SSD 目标检测算法属于一种单阶段检测算法，检测结果的精确度和检测过程
中的速度都优于其他算法，在目前所有的检测方法中，还没有可以取代 SSD 目
标检测算法的其他方法。SSD 网络结构中含有预测金字塔，但受卷积层的影响，
导致不同卷积层之间 SSD 目标检测结果之间不存在相互的联系，也无法充分结

合特征图的特性，仍然使得车辆检测过程中小目标的检测效果精确度不高，并且
在很多方面都会制约小目标的检测效果。因此，为了增加车辆检测过程中小目标
检测的精确度，保证监控画面的清晰度，为了使目标检测算法在交通检测和违规
驾驶方面发挥重要的作用，因此，用 NFF 替换原有的预测金字塔。经过改进后

的先验框比例，融入特征金字塔的 SSD 模型测试，将得到的数据进行反复对比，
会特别明显地发现由特征金字塔替换 SSD 模型中的预测金字塔，模型检测结果
的精确程度明显提升，可以在很大程度上降低车辆漏检的情况，达到设计的初始
目标。SSD 模型提升了车辆目标检测的特征表达能力，并且增加了 SSD 模型对

车辆目标的检测性能。
车辆检测技术涉及诸多领域，并在智能交通系统、无人驾驶等方面有广泛的
应用。因此，车辆检测技术相关的研究工作具有非常重要的意义。相关人员要不
断学习，强化自己的专业性，以此保证车辆检测的科学性、专业性。

109