基于特征融合的CenterNet小目标检测方法

• 作者: 琚长瑞 袁广林 秦晓燕 李豪
• 来源期刊: 舰船电子工程
• 学科: 工学
• 关键词: 深度学习 小目标检测 特征融合 数据预处理
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 信息融合技术
• 页码范围: 39-42,58
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9730.2022.04.011

摘要

在深度学习目标检测中,小目标指的是待检测图像中覆盖区域较小的一类目标.小目标包含的信息量不足且在一般数据集中数量较少,导致现有的目标检测方法对小目标的检测效果不够理想.针对小目标检测问题,提出一种基于特征融合的CenterNet快速小目标检测方法.该方法根据卷积神经网络不同深度特征的特点,将特征从高到低逐层进行融合,在高分辨率的融合特征上进行预测,提高了模型对小目标的检测能力.同时,针对现有数据集中小目标数量较少问题,提出一种简单有效的数据预处理方法,在训练集中加入高分辨率、低信息量的图像,用其中的大目标帮助模型学习同类、相似小目标特征.实验结果表明,所提出的方法相比于原始CenterNet对小目标的检测能力提升明显.