基于深度分割模型的小目标检测

• 作者: 胡世根 方松 卢金仪 颜露新 钟胜 邹旭
• 来源期刊: 测控技术
• 关键词: 深度学习 小目标检测 图像分割 多波段特征融合
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 47-51,61
• 页数: 6页
• 分类号: TP389.1
• 语种: 中文
• DOI: 10.19708/j.ckjs.2021.05.009

摘要

小目标检测广泛应用于视频监控等各种任务,在各领域均有着重要作用.由于待测目标尺寸小、特征弱等原因,目前的检测算法对小目标的检测性能仍值得进一步提升.现有基于设计特征的传统方法在复杂背景的应用场景下检测精度低、鲁棒性弱,基于深度学习的检测算法存在数据集难获取、小目标特征难提取等问题.面向解决低信杂比图像中小目标因面积占比小导致的特征提取难的问题,提出了一个深度分割模型用于小目标检测.为进一步提升检测性能、降低漏检率,充分应用多波段图像信息,设计了一个基于深度分割模型的多波段融合小目标检测方法.在仿真数据集上的实验结果表明,该方法有效提高了小目标检测的准确率,为小目标检测的后续研究提供了新的思路.