改进RetinaNet模型的小目标检测

作     者：吴正平 张程鹏 雷帮军 赵俊臣 WU Zheng-ping;ZHANG Cheng-peng;LEI Bang-jun;ZHAO Jun-chen

作者机构：三峡大学计算机与信息学院湖北宜昌443002 三峡大学水电工程视觉监测湖北省重点实验室湖北宜昌443002 

基　　金：国家自然科学基金项目(61871258) 水电工程智能视觉监测湖北省重点实验室建设(2019ZYYD007) 2018年度水电工程视觉监测湖北省重点(三峡大学)实验室开放基金(2018SDSJ05) 2020年产学合作协同育人项目(202002286038) 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2023年第40卷第2期

页      码：181-189页

摘      要：小目标检测是目标检测任务中的难点问题之一,低分辨率的小目标存在可视化信息少、小目标占比小、在图像中分布不均匀等问题。为了应对这些挑战,提出了一种基于注意力机制改进的RetinaNet算法。首先对原始RetinaNet算法的特征提取模块ResNet-FPN进行改进,使网络能够更全面地提取目标特征信息;其次在FPN模块的P3层和P4层添加注意力机制,设计了精度更高的目标检测器ResNet-FPN^(*)-Attention-RetinaNet。实验结果表明,相比于原始的RetinaNet网络,提出的ResNet-FPN^(*)-Attention-RetinaNet网络在VOC2007测试集上的平均精度提升了0.55%;在制作的交通目标数据集上平均精度提升了2.3%,针对小目标的AP提高了4.52%。实验证明了所提出的ResNet-FPN^(*)-Attention-RetinaNet网络比Ret-inaNet更加准确,更加适用于小目标检测任务。

主 题 词：深度学习 目标检测 注意力机制 小目标检测 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1006-9348.2023.02.033

馆 藏 号：203120973...