论文部分内容阅读
目标检测是计算机视觉领域的重要研究方向。传统的目标检测方法在特征设计上花费了大量时间，且手工设计的特征对于目标多样性的问题并没有好的鲁棒性，深度学习技术逐渐成为近年来计算机视觉领域的突破口。本文对现有的基础神经网络进行研究，采用经典卷积神经网络VGGNet作为基础网络，添加部分深层网络，结合SSD(Single Shot MultiBox Detector)算法构建网络框架。针对模型训练中出现的正负样本不均衡问题，根据困难样本挖掘原理，在原有的损失函数中引入调制因子，将背景部分视为简单样本，减小背景