感受野下的小目标检测算法

摘要：

早前提出的one-stage类算法SSD,在主干网络特征提取方面,经过3×3的卷积之后会造成计算通道数增多.同时,在SSD中这些被提取出的特征直接生成特征图并分别丢入预测模型中,导致层与层之间没有很好的信息交融.在现实的检测过程中,因为神经网络的主导为大型目标,常常会忽略相对于大型物体更容易被漏检的小型物体,导致小型被检测物的检测成功率较低.因此基于SSD进行研究,融入了一种基于特征融合的感受野模型Receptive Field Block.在特征提取的主干网络上,基于感受视野特征提取融入特征融合模块,以加强对小目标的检测效果.该改进算法框架在VOC公开数据集上的mAP为81.8％,在自制的针对小目标的航拍数据集上的mAP为82.8％,在牺牲了部分速度的情况下,在精度方面产生了较大的优势.

关键词：机器视觉、特征融合、感受野、小目标、深度学习

所属期刊栏目：15

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;教育部-中国移动科研基金项目;国家重点研发计划;江苏省物联网应用技术重点实验室项目

在线出版日期：2021-02-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：346-353