面向密集场景结合TC-YOLOX的小目标检测方法

作     者：李翔宇 王伟 王峰萍 韩岩江 Li Xiangyu;Wang Wei;Wang Fengping;Han Yanjiang

作者机构：西安工程大学西安710048 

基　　金：2021年中国高校产学研创新基金(2021ALA02002) 2021年“纺织之光”中国纺织工业联合会高等教育教学改革研究项目(2021BKJGLX004) 西安工程大学2020年高等教育研究项目(20GJ05)资助 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2023年第46卷第15期

页      码：133-142页

摘      要：密集场景下小目标的高效精确检测是目标检测领域的关键问题。为了解决环境的多样性和小目标自身复杂性存在着特征难以提取、检测精度低等问题,提出一种面向密集场景结合TC-YOLOX的小目标检测方法。首先,通过在CSPNet中引入Transformer Encode模块,不断更新目标权重实现增强目标特征信息,提高网络的特征提取能力;其次,在特征金字塔网络中增加卷积注意力机制模块,关注重要特征并抑制不必要特征,提高不同尺度目标的检测准确度;然后,采用CIoU代替IoU作为回归损失函数,使得模型训练过程中网络收敛更快,性能更好;最后在PASCAL VOC 2007数据集上验证。实验结果表明,所设计的TC-YOLOX模型能够有效的检测出多样化场景中正常、密集、稀疏、黑暗条件下的小目标物体,mAP和检测速度可以达到94.6%和38 fps,与原始模型相比提升了10.9%和1 fps,对多种密集场景下的小目标检测任务均具有较好的适用性。

主 题 词：小目标检测 YOLOX 卷积注意力机制模块 Transformer Encode CIoU回归损失函数 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.19651/j.cnki.emt.2211795

馆 藏 号：203124931...