基于深度学习的小目标检测与识别

• 作者: 冷佳旭 刘莹
• 来源期刊: 数据与计算发展前沿
• 关键词: 小目标检测 特征融合 上下文学习 注意力机制
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 专刊:数据分析技术与应用
• 页码范围: 120-135
• 页数: 16页
• 字数: 9809字
• 语种: 中文
• DOI: 10.11871/jfdc.issn.2096-742X.2020.02.010

摘要

[目的]目前,现有的基于深度学习的检测算法针对小目标的检测效果较差.本文旨在通过充分考虑小目标的特点来提升小目标的检测与识别性能.[方法]本文从不同方面来提升小目标检测与识别,其中包括特征融合、上下文学习和注意力机制.针对小目标特征难以提取问题,提出一种双向特征融合的方法.另外,鉴于小目标特征不明显问题,提出一种利用上下文信息来提升检测性能的方法.更进一步,为了更好地识别小目标的类别,提出一种注意力转移的方法.[结果]实验结果表明,我们提出的方法在公共数据集上均显著地提高了小目标的检测和识别性能.[结论]研究特征融合、上下文利用和注意力机制的方法对于提升小目标检测与识别是非常有价值的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘莹	中国科学院大学计算机科学与技术学院	33	405	10.0	19.0
5	冷佳旭	中国科学院大学计算机科学与技术学院	1	0	0.0	0.0