加权网络下的小目标检测算法

摘要：

对于一幅图的观察,本能上会更多关注这幅图中相对更醒目的对象.通常这类对象会在这幅图中占据较大比重,从而导致小目标被忽视.由于小目标所在区域往往为弱测区域,检测器提取特征的过程中能够提取的特征较少,且在提取完特征后在特征信息传递的过程中容易丢失,使得针对小目标检测的效果并不是很好.因此,在单阶检测器的基础上,加入了跨信道交互的机制确保层间信息的完整,同时采取对训练样本进行目标增强并且设计了一个通用的损失函数,在此基础上改进样本加权网络预测样本的任务权重.提出的框架UWN在VOC公开数据集上的mAP为81.2％,在自制的小目标航拍数据集的mAP为82.3％.相对于FSSD算法,牺牲了部分速度,得到了精度方面的较大提升.

关键词：小目标检测、目标增强、跨信道交互、加权网络

所属期刊栏目：16

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;国家重点研发计划

在线出版日期：2022-09-22（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：2143-2150