基于多尺度感受野融合的小目标检测算法

摘要：

针对通用目标检测算法在检测小目标时检测精度低的问题,提出一种基于多尺度感受野融合的小目标检测算法S-RetinaNet.该算法采用残差神经网络(residual neural network,ResNet)提取出图像的特征,利用递归特征金字塔网络(recursive feature pyramid network,RFPN)对特征进行融合,通过多尺度感受野融合模块(multiscale receptive field fusion,MRFF)分别处理RFPN的三个输出,提升对小目标的检测能力.实验表明,相比改进前的RetinaNet算法,S-RetinaNet算法在PASCAL VOC数据集上的均值平均精度(mean average precision,mAP)和MS COCO数据集上的平均精度(average precision,AP)分别提高了2.3和1.6个百分点,其中小目标检测精度(average precision small,APS)更为显著,提升了2.7个百分点.

关键词：神经网络、小目标检测、感受野、特征金字塔

所属期刊栏目：58

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家十三五核能开发科研项目;四川省教育厅资助科研项目;四川省科技厅技术成果转化示范项目

在线出版日期：2022-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：177-182