10.12198/j.issn.1673−159X.4595
一种基于变分辨率机制的机坪目标检测算法
多目标检测任务存在目标尺寸变化范围大的情况.通过采集高分辨率图像,可以保证对小目标的观测效果,但是在原始图像中进行滑动窗口扫描式检索,会造成计算成本的显著增加;大尺度目标的检测通过对原始高分辨率图像压缩快速完成,但压缩过程会导致小目标的大量细粒度特征丢失:因此,文章提出一种基于变分辨率机制的YOLO检测(multiple resolution mechanism based YOLO,MRMY)算法,并用深度可分离卷积进行优化.该算法考虑特定场景下不同尺寸目标间的位置关系,采用多分辨率机制,先对高分辨率图像进行压缩,对大目标进行快速检测,再根据大目标位置信息确定小目标的搜索空间,并在原始高分辨率图像的局部区域进行小目标识别.由于在任一分辨率下目标尺寸较为明确,因此可对检测模型基于归一化层剪裁掉网络中不重要通道.尽管检测任务需要2次模型运算才能完成,但通过该检测模型可提高算法的速度.在网络公开数据集和自建数据集上的测试结果表明,MRMY算法的全类平均正确度(mAP)比YOLO V4算法提升约21％,检测速度为84帧/秒与YOLO V4的83帧/秒相近.
多分辨率、小目标检测、模型压缩、目标检测
42
TP751;TP183(遥感技术)
国家自然科学基金;国家重点研发计划;青岛科技惠民专项
2023-02-06（万方平台首次上网日期，不代表论文的发表时间）
共7页
73-79
