首页 > 论文 > 激光与光电子学进展 > 58卷 > 06期(pp:061012)

跨尺度融合的卷积神经网络小目标探测方法 [Early Posting]

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

小目标检测存在目标特征容易丢失、分辨率低的问题。针对像素占比小于0.02的小目标,本文提出一种改进YOLO-V3卷积神经网络的检测方法。首先,本文对数据集中小目标进行了复制变换增强,以提升训练过程中网络小目标的注意力。其次,针对浅层视觉信息与深层语义信息的尺度融合,提出了跨级检测层的网络结构来提高网络对小目标的适应能力。最后,针对高分图像的检测效果,提出了深度和广度结合的残差块组传递结构,丰富深层特征图的感受野。实验结果表明:改进后网络在1000 pixel×1000 pixel相比于YOLO-V3对小目标的mAP提升了1.9%,召回率提升了5.9%。在2500 pixel×2500 pixel以上分辨率上mAP提升了31.6%,召回率提升了46.4%,本文提出网络对小目标有更好的的识别效果。

广告组1 - 空间光调制器+DMD
补充资料

DOI:10.3788/lop58.061012

作者单位:

    天津大学精仪学院
    天津大学
    天津大学精仪学院

引用该论文

刘峰,郭猛,王向军. 跨尺度融合的卷积神经网络小目标探测方法[J].激光与光电子学进展,2021,58(06):061012.