样本重采样小目标检测算法的改进

• 作者: 李睿康 焦新泉 陈建军
• 来源期刊: 电子测量技术
• 关键词: 目标检测 图像金字塔 注意力机制 深度学习
• 年，卷（期）: 2021,（13）
• 所属期刊栏目: 理论与算法|Theory and Algorithms
• 页码范围: 41-47
• 页数: 7页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2106730

摘要

在小目标检测领域中,很多算法以增加模型的复杂度为代价提高了精度,但是带来了较大的计算负担和设备要求.针对模型中复杂度和检测精度之间的矛盾,提出了一种改进的图像金字塔上样本重采样策略算法.该算法只需计算少量的样本数据,并且引入少量参数的轻量化注意力机制模块.实验在COCO数据集上进行了训练和测试,重采样策略mAP值为40.6％,引入注意力模块改进后为42.1％,且引入注意力模块后权重文件大小只增加了2％.实验结果表明,对样本重采样算法的改进能够在提升检测精度的同时,增加的计算负担较小,验证了轻量化注意力模块的有效性.