一种基于改进SSD模型的实时性机坪目标检测和识别方法

本发明提供了一种基于改进SSD模型的实时性机坪目标检测和识别方法。通过将预处理后的数据集输入改进的SSD模型进行训练，得到训练好的模型。改进的SSD模型采用RFB‑Net300作为骨干网络，加入了batch‑normalization层，使用sub‑pixel convolution layer代替上采样，并通过MFPN模型融合低层和高层特征信息。通过引入CIoU损失函数改进了原有的损失函数。生成预测框的过程中，通过K‑means聚类算法优化先验框的大小，并计算目标物体间的距离。MFPN模型通过构建特征金字塔，实现多尺度特征融合，增强了对不同尺寸目标的检测能力。CIoU损失函数综合评估预测框与实际框之间的相似度，考虑了重叠区域、中心点距离、宽高比和尺度。通过上述改进，本发明显著提升了机坪目标检测和识别的实时性和准确性。