基于高表征能力特征处理模块的小目标检测

作     者：向华桥 崔文超 刘世焯 孙水发 XIANG Hua-qiao;CUI Wen-chao;LIU Shi-zhuo;SUN Shui-fa

作者机构：三峡大学计算机与信息学院湖北宜昌443000 

基　　金：国家自然科学基金项目(61871258) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2021年第42卷第5期

页      码：1360-1367页

摘      要：针对小目标检测性能较差的问题,从影响性能的关键因素特征信息损失入手,设计一种特征信息处理模块CHRNet。结合HRNet高分辨率表征和CARAFE精细化上采样的特点,随着特征处理进程,设计不同的特征图融合方法,采用越来越有效的上采样方法,在保持一定计算效率的条件下最大化CHRNet的表征能力。针对突出的样本不平衡对损失函数进行调整,设计适合小目标的Anchor。在MOCOD和VEDAI两个数据集上进行实验,实验结果表明,采用CHRNet的检测网络减少了特征信息的损失,提高了网络的表征能力,使COCO标准下的检测精度提升约4.5个百分点,其中CHRNet带来约3.8个百分点的提升。

主 题 词：小目标检测 卷积神经网络 特征信息损失 样本不平衡 高表征能力 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2021.05.023

馆 藏 号：203103303...