计算机科学与探索

作者：陈灏然, 彭力, 李文涛, 戴菲菲

单位：1.物联网技术应用教育部工程研究中心（江南大学 物联网工程学院）,江苏 无锡 214122；2.台州市产品质量安全监测研究院,浙江 台州 318000

关键词：小目标检测,目标增强,跨信道交互,加权网络

基金：国家自然科学基金(61873112);教育部-中国移动科研基金项目(MCM20170204);国家重点研发计划(2018YFD0400902)

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。

来源：2022年第9期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第9期