感受野下的小目标检测算法

• 作者: 陈灏然 彭力
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 机器视觉 特征融合 感受野 小目标 深度学习
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 图形图像
• 页码范围: 346-353
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1912011

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.