基于高表征能力特征处理模块的小目标检测

• 作者: 向华桥 崔文超 刘世焯 孙水发
• 来源期刊: 计算机工程与设计
• 关键词: 小目标检测 卷积神经网络 特征信息损失 样本不平衡 高表征能力
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 软件与算法|Software and Arithmetic
• 页码范围: 1360-1367
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2021.05.023

摘要

针对小目标检测性能较差的问题,从影响性能的关键因素特征信息损失入手,设计一种特征信息处理模块CHR-Net.结合HRNet高分辨率表征和CARAFE精细化上采样的特点,随着特征处理进程,设计不同的特征图融合方法,采用越来越有效的上采样方法,在保持一定计算效率的条件下最大化CHRNet的表征能力.针对突出的样本不平衡对损失函数进行调整,设计适合小目标的Anchor.在MOCOD和VEDAI两个数据集上进行实验,实验结果表明,采用CHRNet的检测网络减少了特征信息的损失,提高了网络的表征能力,使COCO标准下的检测精度提升约4.5个百分点,其中CHR-Net带来约3.8个百分点的提升.