基于多尺度感受野融合的小目标检测算法

作者：李成豪; 张静^*; 胡莉; 肖贤鹏; 张华

来源：计算机工程与应用, 2022, 58(12): 177-182.

• 神经网络
• 小目标检测
• 感受野
• 特征金字塔

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。

• 单位
  西南科技大学; 中国科学技术大学