融合ReFPN结构与混合注意力的小目标检测算法

摘要：

基于深度学习的小目标检测研究对于如小人脸识别、遥感图像检测等任务的优化与提升都具有极为重要的意义.但由于图像中的小目标所占像素较少,分辨率低,包含的特征信息不明显,现有方法对小目标的检测效果并不理想.针对此问题,提出一种基于反馈的特征融合网络ReFPN用于YOLOv4算法,两次利用骨干网络提取的原始特征层,加强小目标特征信息,对其进行更精确的位置回归.同时提出混合注意力机制Co-AM充分提取小目标的细节特征信息,抑制无效特征,进一步提高小目标的检测精度.实验结果表明,此文提出的方法使YOLOv4算法在MS CO-CO数据集上平均精度AP提高了1.9％,小目标平均精度APS提高了3.3％,检测效果优于现有小目标检测算法,证明了此文提出方法的有效性.

关键词：深度学习、小目标检测、特征融合、注意力机制

所属期刊栏目：27

分类号：TP751.1(遥感技术)

资助基金：黑龙江省自然科学基金;中央高校基本科研业务费专项

在线出版日期：2022-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：85-91