改进轻量化的CenterNet的小目标检测

摘要：

小目标检测一直是目标检测中的难点,其特点为感受视野小,无法获取足够的语义特征,相比传统目标检测算法在工业应用中难以实现轻量化.为提升小目标检测精度、计算速度以及减少计算量和成本开销,提出一种基于CenterNet的轻量化的检测器SFPN-CenterNet.采用轻量级的深度可分离卷积网络来替代原始的普通卷积;简化FPN网络,减少下采样层数对特征进行提取融合,舍弃对于小目标检测无显著作用的高层特征;改进损失函数,对原来的公式以及超参数进行优化.在自制的数据集上进行对比实验.结果表明:利用深度可分离卷积作为提取特征的卷积块,可以使网络参数量减少到原来的1/480;改进损失函数降低了小目标的误检率和漏检率.相对于原始算法,改进算法的AP提升了3.5个百分点,检测速度提高了2.74 ms.

关键词：CenterNet、小目标检测、深度可分离、轻量化

所属期刊栏目：59

分类号：TP391.4(计算技术、计算机技术)

资助基金：辽宁省教育厅基础研究项目LN2020JCL029

在线出版日期：2023-09-18（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：205-211